| Door recente ontwikkelingen is de interesse in de studie en analyse van zogenaamde data-streams erg toegenomen. Voorbeelden van zulke data-streams zijn onder andere de records van Internet verkeer en de continue stroom data van sensoren. Traditionele datamining methodes zijn niet langer geschikt om dit soort data te analyseren, aangezien deze veronderstellen dat de data bewaard wordt in een statische database, terwijl data-streams continu en aan hoge snelheid binnenlopen. Daarom moeten streams geanalyseerd worden op het moment dat ze gegenereerd worden en moeten onmiddellijk kwalitatief hoogstaande resultaten gegarandeerd kunnen worden. Tot nu toe lag de focus bij het meeste pattern mining onderzoek zich ofwel of niet-stromende data of op erg simpele patronen, zoals het herkennen van de meest frequente items in een stream of het bijhouden van de frequenties van individuele items. De uitdaging in dit project is enerzijds het uitbreiden van deze technieken naar het minen van complexere patronen in data-streams, zoals sequentiele patronen en dynamische graaf patronen, en anderzijds de ontwikkeling van meer natuurlijke maten voor de frequentie van deze patronen in stromende data. De technieken die we ontwikkelen zullen getest worden op echte data, zoals data van sociale netwerken en het Internet. Daarnaast hebben we binnen het project toegang tot de data-streams van een sensor netwerk gemonteerd op de Hollandse Brug. |
