Forschung
Der Nycomed-Lehrstuhl für Bioinformatik und Information Mining beschäftigt sich mit Methoden der maschinellen Lernens und des Data Mining für die interaktive Wissensentdeckung in großen, heterogenen Datenquellen. Das Folgende enthält eine Liste von aktiven Forschungsprojekten.
Information Mining: Foundations
Aktives Lernen
Beim Aktiven Lernen wählt der Klassifikator die Beispiele aus, die vom von einem menschlichen Experten klassifiziert werden sollen.
DAMIART
Data-Mining von heterogenen Daten mit ART-(Adaptive Resonanz Theorie)-basiertem neuronalem Netz.
Hierarchien von Regelmodellen bestehen aus verschiedenen Schichten von einfachen Regelmodellen, die das Konzept des Ursprungs der Daten in jedem Niveau zu einem bestimmten Detailgrad beschreiben.
Parallel Data Mining Unification
Towards an unifying formalism for generic parallelization model that is applicable to all data mining algorithms
Information Mining in Computational Life Science
Virtuelles High-Throughput Screening
Virtuelles High-Throughput Screening (vHTS) ähnelt stark dem traditionellen HTS in dem Hundertausende (oder mehr) chemische Substanzen auf ihre Wirksamkeit gegenüber einem Protein-Target hin getestet werden.
MoFa
MoFa, the Molecular Fragment Miner, is a program that finds automatically molecular substructures and discriminative fragments in a set of molecule descriptions given some user defined parameters.
The user-steered detection of cells in cell-images.
Software
KNIME
Eine modulare Datenexplorationsplatform, die es ermöglicht Datenflüsse - sogenannte "pipelines" - visuell zusammenzustellen.
Aktuelle Forschungsprojekte
Der Lehrstuhl koordiniert das EU FP7 Open FET Forschungsprojekt "BISON". Das Projekt hat sich zum Ziel gesetzt ein auf Bisoziationen basierendes ICT Paradigma zu entwickeln.
