Bachelor/Master/Diplomarbeit - Analyse von 2D Bewegungsdaten

Forumsregeln
Auch ohne Registrierung können Beiträge in diesem Unterforum geschrieben werden.

Antwort erstellen

Bitte gib deine E-Mail-Adresse an, demit du nachträglich Updates zu deinem Post hinzufügen kannst.


Diese Frage dient dazu, das automatisierte Versenden von Formularen durch Spam-Bots zu verhindern.
Smilies
:D :) :( :o :shock: :? 8) :lol: :x :P :oops: :cry: :evil: :twisted: :roll: :wink: :!: :?: :idea: :arrow: :| :mrgreen:

BBCode ist eingeschaltet
[img] ist eingeschaltet
[flash] ist ausgeschaltet
[url] ist eingeschaltet
Smilies sind eingeschaltet

Die letzten Beiträge des Themas
   

Ansicht erweitern Die letzten Beiträge des Themas: Bachelor/Master/Diplomarbeit - Analyse von 2D Bewegungsdaten

Bachelor/Master/Diplomarbeit - Analyse von 2D Bewegungsdaten

von Gast » 3. Aug 2007 17:16

Einleitung
In vielen Anwendungen der Datenanalyse muss die Entwicklung von Beobachtungsvariablen über die Zeit hinweg betrachtet werden. In der Finanzdatenanalyse spielen z.B. sog. Risk-Return Diagramme (Abb. 1) eine wichtige Rolle, in welchen Wertpapiere anhand der Variablen Risiko und Rendite in ein 2D Diagramm (sog. Scatterplot) gezeichnet werden. Durch Einbeziehung der Dimension Zeit entstehen aus den ansonsten statischen Plots mit fixen Positionsangaben zeitvariable Bewegungsmuster (sog. Trajektorien – Abb. 2). Die Analyse dieser Bewegungsmuster für große Datenmengen, z.B. tausende von Wertpapieren mit jeweils hunderten von zeitabhängigen Beobachtungen ist ein interessantes, bislang jedoch nur ansatzweise gelöstes Problem. Das Problem ist nicht nur für die Finanzanalyse interessant, sondern taucht prinzipiell auch in verschiedenen weiteren Domänen auf wie z.B. der Verkehrsüberwachung, oder der Erstellung von Bewegungsprofilen in Kaufhäusern.

Aufgabe
Im Rahmen dieses Projektes soll mit Methoden der Clusteranalyse in großen Mengen an 2D Bewegungsdaten (primär aus dem Bereich Finanzdaten) nach typischen Bewegungsmustern gesucht werden. Das Ergebnis der Clusteranalyse soll Aufschluss geben über die vorhandene Struktur in der Kollektion von Bewegungsdaten, vgl. Abb. 3 für eine Illustration. Die Analyse soll Fragen beantworten wie z.B.:
- Welche Bewegungsmuster kommen am häufigsten vor, welche sind selten?
- Wie viele Typen von Bewegungsmustern gibt es? Worin unterscheiden sie sich?

Zielgruppe & Voraussetzungen

• Studenten der Informatik mit Interesse an Visualisierung
• Gute Programmierkenntnisse (Visual C++/Java)
• Clusteranalyse, Mustererkennung, Data-Mining oder Neurale Netzwerke Kenntnisse sind Vorteil

Ansprechpartner
Dipl. Math. Tatiana Tekušová (IGD)
tatiana.tekusova@igd.fraunhofer.de
Tel +49-(0)6151-155 631
Dr. Tobias Schreck (GRIS)
tschreck@gris.informatik.tu-darmstadt.de
Tel: +49 6151 155-125

Nach oben