mycoreobjectrosdok_document_0000000157rosdok_document_0000000157rosdokdocumentrosdok_derivate_00000040602023-08-08T10:52:39.237Z2009-09-23T09:40:05.705Zadministratorpublished1rosdok_derivate_0000004060truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id00002202625489098Osu2010-05-062023-08-05T14:20:09ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.ArtikelVergleich von Strategien zum Clustern von Daten mit fehlenden WertenDie klassischen Methoden zur Clusteranalyse wurden entwickelt, um auf vollständigen Daten Analysen durchzuführen. Oft fehlen aber in Daten einzelne Werte - systematisch oder unsystematisch -, z.B. infolge der Probleme bei der Datenerfassung, Datenübertragung, Datenbereinigung oder weil Daten aus unterschiedlichen Quellen stammen. Demzufolge können die traditionellen Clusteringmethoden zur Analyse solcher Daten nicht ohne weiteres angewendet werden. Im Rahmen dieses Beitrags werden unterschiedliche Strategien zum Umgang mit fehlenden Werten in Daten für das Clusteringproblem vorgestellt, analysiert und miteinander verglichen. Dabei wird das besondere Augenmerk auf die Untersuchung der Leistungsfähigkeit dieser Verfahren in Abhängigkeit von den Ausfallmechanismen, die den fehlenden Werten zugrundeliegen, und von dem Anteil fehlender Werte in Daten gelegt.LudmilaHimmelspachVerfasserInaut1082053074http://purl.uni-rostock.de/rosdok/id00002202urn:nbn:de:gbv:28-rosdok_id00002202-710.18453/rosdok_id00002202004 InformatikFakultät für Informatik und Elektrotechnikalle Rechte vorbehaltenRechteinhaber Universität RostockLizenz Metadaten: CC0frei zugänglich (Open Access)de1 Online-Ressource (Seiten 129-133)2009Universität RostockRostocksingle unit20092009Universitätsbibliothek RostockRostock2009Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002202Ludmila HimmelspachSeiten 129-133200900000000000871rosdok/id00002177616202938http://purl.uni-rostock.de/rosdok/id0000217721. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsEnthalten indoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.articledoctype:epub.articleArtikelarticlediniPublType:article diniPublType2022:Articleinfo:eu-repo/semantics/articledocumentdiniPublType2022:ArticlediniPublType2022:ArticleWissenschaftlicher ArtikelScientific articleKDSF (Pu11)SDNB:004SDNB:004004 Informatik004 Data processing Computer sciencesinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.iefinstitution:unirostock.iefFakultät für Informatik und ElektrotechnikFaculty of Computer Science and Electrical EngineeringUniversität Rostock. Fakultät für Informatik und ElektrotechnikFakultät für Informatik<br />und ElektrotechnikUni.Rostock.Fakultaet.IEFhttp://d-nb.info/gnd/10085032-7licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.rightsreservedlicenseinfo:work.rightsreservedalle Rechte vorbehaltenall rights reserved/creativecommons/r/reserved/0.9/88x31.png[DE-28]Urheberrechtsschutz 1.0$gRights Statements$uhttp://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsunirostocklicenseinfo:deposit.rightsunirostockRechteinhaber Universität Rostockrightsholder Rostock Universitylicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:derfc5646:deDeutschGermangerdeuVergleich von Strategien zum Clustern von Daten mit fehlenden WertenVergleich von Strategien zum Clustern von Daten mit fehlenden Wertengnd:1082053074gnd:1082053074rosdok_document_0000000157-d2082952e49gnd:1082053074Ludmila HimmelspachLudmila HimmelspachLudmila HimmelspachLudmila HimmelspachLudmila HimmelspachRostockUniversität Rostockepub.articlehttp://purl.uni-rostock.de/rosdok/id00002202urn:nbn:de:gbv:28-rosdok_id00002202-710.18453/rosdok_id00002202Die klassischen Methoden zur Clusteranalyse wurden entwickelt, um auf vollständigen Daten Analysen durchzuführen. Oft fehlen aber in Daten einzelne Werte - systematisch oder unsystematisch -, z.B. infolge der Probleme bei der Datenerfassung, Datenübertragung, Datenbereinigung oder weil Daten aus unterschiedlichen Quellen stammen. Demzufolge können die traditionellen Clusteringmethoden zur Analyse solcher Daten nicht ohne weiteres angewendet werden. Im Rahmen dieses Beitrags werden unterschiedliche Strategien zum Umgang mit fehlenden Werten in Daten für das Clusteringproblem vorgestellt, analysiert und miteinander verglichen. Dabei wird das besondere Augenmerk auf die Untersuchung der Leistungsfähigkeit dieser Verfahren in Abhängigkeit von den Ausfallmechanismen, die den fehlenden Werten zugrundeliegen, und von dem Anteil fehlender Werte in Daten gelegt.2009200921. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsSeiten 129-133200900000000000871rosdok/id00002177616202938http://purl.uni-rostock.de/rosdok/id0000217721. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsEnthalten inhttp://purl.uni-rostock.de/rosdok/id00002177Ludmila Himmelspachepub.article1 gvd2009_2.H.21_Himmelspach.pdf 355014 15ac63d862fb309d6997f9e1ee183de5 rosdok/id00002202625489098Osu2010-05-062023-08-05T14:20:09ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.ArtikelVergleich von Strategien zum Clustern von Daten mit fehlenden WertenDie klassischen Methoden zur Clusteranalyse wurden entwickelt, um auf vollständigen Daten Analysen durchzuführen. Oft fehlen aber in Daten einzelne Werte - systematisch oder unsystematisch -, z.B. infolge der Probleme bei der Datenerfassung, Datenübertragung, Datenbereinigung oder weil Daten aus unterschiedlichen Quellen stammen. Demzufolge können die traditionellen Clusteringmethoden zur Analyse solcher Daten nicht ohne weiteres angewendet werden. Im Rahmen dieses Beitrags werden unterschiedliche Strategien zum Umgang mit fehlenden Werten in Daten für das Clusteringproblem vorgestellt, analysiert und miteinander verglichen. Dabei wird das besondere Augenmerk auf die Untersuchung der Leistungsfähigkeit dieser Verfahren in Abhängigkeit von den Ausfallmechanismen, die den fehlenden Werten zugrundeliegen, und von dem Anteil fehlender Werte in Daten gelegt.LudmilaHimmelspachVerfasserInaut1082053074http://purl.uni-rostock.de/rosdok/id00002202urn:nbn:de:gbv:28-rosdok_id00002202-710.18453/rosdok_id00002202004 InformatikFakultät für Informatik und Elektrotechnikalle Rechte vorbehaltenRechteinhaber Universität RostockLizenz Metadaten: CC0frei zugänglich (Open Access)de1 Online-Ressource (Seiten 129-133)2009Universität RostockRostocksingle unit20092009Universitätsbibliothek RostockRostock2009Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002202Ludmila HimmelspachSeiten 129-133200900000000000871rosdok/id00002177616202938http://purl.uni-rostock.de/rosdok/id0000217721. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsEnthalten in 2009-09-23T09:40:05.705Z 2023-08-08T10:52:39.237Z 2023-08-18T10:52:39.241Z {"identifier":"rosdok/id00002202","type":"local_id","additional":"","service":"MCRLocalID","created":"2018-06-30T16:43:05.020Z"} {"identifier":"http://purl.uni-rostock.de/rosdok/id00002202","type":"purl","additional":"","service":"RosDokPURL","created":"2018-06-30T16:43:05.219Z","registered":"2018-06-30T16:43:05.219Z"} {"identifier":"10.18453/rosdok_id00002202","type":"doi","additional":"","service":"RosDokDOI","created":"2018-06-30T16:43:06.530Z","registered":"2018-06-30T16:43:06.530Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00002202-7","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2018-06-30T16:43:05.028Z","registered":"2018-08-15T12:50:45.893Z"} administratorfulltextfile/rosdok_document_0000000157/rosdok_derivate_0000004060/gvd2009_2.H.21_Himmelspach.pdfVergleich von Strategien zum Clustern von Daten mit fehlenden WertenVergleich von Strategien zum Clustern von Daten mit fehlenden Wertengnd:1082053074gnd:1082053074rosdok_document_0000000157-d2082952e49gnd:1082053074Ludmila HimmelspachLudmila HimmelspachLudmila HimmelspachLudmila HimmelspachLudmila HimmelspachRostockUniversität Rostockepub.articlehttp://purl.uni-rostock.de/rosdok/id00002202urn:nbn:de:gbv:28-rosdok_id00002202-710.18453/rosdok_id00002202Die klassischen Methoden zur Clusteranalyse wurden entwickelt, um auf vollständigen Daten Analysen durchzuführen. Oft fehlen aber in Daten einzelne Werte - systematisch oder unsystematisch -, z.B. infolge der Probleme bei der Datenerfassung, Datenübertragung, Datenbereinigung oder weil Daten aus unterschiedlichen Quellen stammen. Demzufolge können die traditionellen Clusteringmethoden zur Analyse solcher Daten nicht ohne weiteres angewendet werden. Im Rahmen dieses Beitrags werden unterschiedliche Strategien zum Umgang mit fehlenden Werten in Daten für das Clusteringproblem vorgestellt, analysiert und miteinander verglichen. Dabei wird das besondere Augenmerk auf die Untersuchung der Leistungsfähigkeit dieser Verfahren in Abhängigkeit von den Ausfallmechanismen, die den fehlenden Werten zugrundeliegen, und von dem Anteil fehlender Werte in Daten gelegt.2009200921. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsSeiten 129-133200900000000000871rosdok/id00002177616202938http://purl.uni-rostock.de/rosdok/id0000217721. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsEnthalten inhttp://purl.uni-rostock.de/rosdok/id00002177Ludmila Himmelspach[xslt]Saxonrosdok/id00002202https://purl.uni-rostock.de/rosdok/id0000220262548909810.18453/rosdok_id00002202urn:nbn:de:gbv:28-rosdok_id00002202-7Ludmila HimmelspachHimmelspach LudmilaVergleich von Strategien zum Clustern von Daten mit fehlenden WertenArtikelarticleUniversität Rostock, 2009Die klassischen Methoden zur Clusteranalyse wurden entwickelt, um auf vollständigen Daten Analysen durchzuführen. Oft fehlen aber in Daten einzelne Werte - systematisch oder unsystematisch -, z.B. infolge der Probleme bei der Datenerfassung, Datenübertragung, Datenbereinigung oder weil Daten aus…rosdok/id00002177200900000000000871Ludmila HimmelspachVergleich von Strategien zum Clustern von Daten mit fehlenden Werten21. Workshop Grundlagen von Datenbanken02.-05. Juni 2009, Rostock-Warnemünde : ProceedingsUniversitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002202LudmilaHimmelspachVerfasserInaut1082053074[purl]http://purl.uni-rostock.de/rosdok/id00002202[urn]urn:nbn:de:gbv:28-rosdok_id00002202-7[doi]10.18453/rosdok_id00002202open_access20092009epoch:21th_centuryrfc5646:dedoctype:epub.articleaccesscondition:openaccessSDNB:004institution:unirostock.iefstate:published