Slide 1. Visualisierung evolutionärer Zusammenhänge
|
|
- Jasper Baumann
- vor 6 Jahren
- Abrufe
Transkript
1 Slide 1 Visualisierung evolutionärer Zusammenhänge
2 Slide 2 Evolution Enstehung neuerarten: Vererbung Mutation Selektion Horizontaler Gentransfer, Endosymbiose, Hybridisierung
3 Slide 3 2 Beispiele:
4 Slide 4 Klassischer Dinosaurier Stammbaum
5 Slide 5 Tree of Life by Tim Hughes
6 Slide 6 Was fällt auf?
7 Slide 7 Daten Rohdaten: DNA,RNA und Protein Sequenzierung Rekonstruktion: verschiedene Algorithmen
8 Slide 8 Probleme Größe der Graphen ( und mehr Knoten) Lösung des Rekonstruktionsalgorithmus nicht eindeutig. Rekonstruktion hängt von Daten und verwendetem Algorithmus ab
9 Slide 9 Anforderungen an die Visualierung Darstellung großer Graphen Strukturmerkmale sollen erkennbar sein Orientierungshilfen geben Vergleich ermöglichen (Vorhersehbarkeit) Vergleich erleichtern (Markierung, Navigation)
10 Slide 10 Einordnung in Visualisierung Informations-Visualisierung Darstellung großer Hierarchien Graphen zeichnen
11 Slide 11 Layout: Dimension 3D : Mehr Raum für zusätzliche Informationen Natürlichere Darstellung Hohe Hardwareanforderungen 2D : Gut für Publikationen Einfachere Implementation
12 Slide 12 2D Layout
13 Slide 13 3D Layout
14 Slide 14 Bäume und Netzwerke Bäume: Einfachere Struktur In 2D einbettbar Rekonstruktion sowieso fehlerbehaftet Besser entwickelte Algorithmen Netzwerke: Entspricht evolutionären Vorgängen besser Komplexer Berechnung Komplexere Darstellung Darstellung mittels Spannbaum
15 Slide 15 NeighborNet
16 Slide 16 Zoom Techniken Geometrischer Zoom Semantischer Zoom (Ein/ Ausblenden von Details) Level of Detail
17 Zoom: Beispiel Zoom: Beispiel
18 Slide 18 Geometrischer Zoom: Probleme Benutzer verliert die Übersicht Änderung des Zoomlevels zur Navigation notwendig Keine einheitliche Darstellung
19 Slide 19 Fokus+Kontext Techniken Verbesserung gegenüber Zoom: Ausschnitt wird fokussiertder Kontext bleibt sichtbar
20 Slide 20 Fokus+Kontext Übersicht Fischauge 3D Darstellung Hyperbolisch Sphärisch
21 Slide 21 Fischaugenverzerrung Unabhängig von Layout Verzerrung mittels konkaver, monotonor Funktion Verzerrung abhängig von der Entfernug vom Fokuspunkt Je nach Funktion polare, kartesische oder andere Verzerrung Komplizerte Kurven entstehenhöherer Rechenaufwand für Approximation Geignet für mittelgrosse Graphen
22 Slide 22 Hyperbolische Darstellung Besonderes Layoutverfahren Mehr Platz als in euklidischer Ebene Verschiedene Projektionen Unerwartete hyperbolische Effekte (Drehungen) Animation schwierig Geeignet für sehr grosse Graphen 2D und 3D möglich
23 Slide 23 Grundlagen der hyperbolischen Darstellung Darstellung von M.C Escher
24 Slide 24 Sphärische Darstellung Besonderes Layout Beschränkter Platz Intuitiver Zugang des Benutzers zur Darstellungstechnik Darstellung von Hierarchien mittels Bändern 3D Ansatz (vieleicht) möglich
25 Slide 25 Grundlagen Magic Eye
26 Bäume Vergleichen Bäume vergleichen
27 Slide 27 Bäume vergleichen Es gibt verschiedene Möglichkeiten: direkter Vergleich Baummetriken
28 Slide 28 Direkter Vergleich Struktur erkennbar Hilfe bei gemeinsamer Navigation nötig- erkennen äquivalenter Teilbäume durch Programm Kompatibel mit Fokus+Kontext Nur für den Vergleich weniger Bäume geeignet TreeJuxtaposer
29 Slide 29 Baummetriken Treeset von Amenta und Klinger
30 Slide 30 Baummetriken Treespace- Metrik auf dem Raum der Bäume Überblick über eine grosse Anzahl von Bäumen Strukturunterschiede der Bäume nicht erkennbar Nach Auswahl können Details angezeigt werden (Konsensbaum) Einfache Visualisierung
31 Slide 31 Verlauf einer Rekonstruktion visualisieren FastDNAml- Viewer Besondere Form des Vergleiches Integration in Rekonstruktionsalgorithmus notwendig Einheitlichere Daten
32 Slide 32 3D Metaphern Sollen die Navigation erleichtern Übertragen Erfahrung/ Intuition des Benutzers auf einen neuen Kontext Erhöhen den Darstellungsaufwand Gefahr der Fehlinterpretation
33 Slide 33 Landscape Metapher
34 Slide 34 Botanische Metaphern Unix Home Verzeichniss nach Kleiberg
35 Slide 35 Treemaps Beispiel dafür, dass hierarchische Daten nicht in Baumform dargestellt werden müssen Hierarchie wird durch Größe und Anordnung der Kissen dargestellt Eignung für die Darstellung phylogenetischer Zusammenhänge fraglich Sequoia View von van Wijk und van der Wetering
36 Slide 36 DFG Antrag:Globe View Entwicklung einer neuen Visualisierungtechnik zum Vergleich phylogenetischer Bäume und zur Darstellung der Arbeitsweise von Rekonstruktionsalgorithmen
37 Slide 37 Globe View:Beschreibung Idee: Einbetten eines 3D Baumes in eine Kugel, so dass Wurzel in der Mitte liegt und die Blätter auf der Oberfläche Durch ein geeignetes Layout entsteht auf der Oberfläche eine 2D Struktur, die das Ablesen der evolutionären Distanz möglich macht. Jedem Blatt wird eine eindeutige Position zugewiesen, die nur von der Struktur des Baumes abhängt Vergleich/Tracking: Wanderung der Blätter wird animiert dargestellt Wechsel von 2D nach 3d: Benutzter taucht durch die Oberfläche
38 Slide 38 Globe View: Arbeitseinteilung A Layout-Visualisierung B Vergleich unterstützen C Darstellung optimieren D Integration in Software
39 Slide 39 A Layout Visualisierung: Evolutionäre Nähe darstellen Conetree anpassen
40 Slide 40 Evolutionäre Nähe Darstellen Definition ( Evolutionäre Distanz): kürzeste Entfernung zweier Taxa im rekonstruiertem Graphen
41 Slide 41 Problem: Zu viele Taxa haben den gleichen evolutionären Abstand.
42 Slide 42 Lösungen Approximation Farbkodierung Clustering
43 Slide 43 Clustering: Beobachtung
44 Slide 44 GlobeView Conetree Algorithmus anpassen, so dass Clustering auf Oberfläche entsteht 3D Darstellung inklusive
45 Slide 45 Vergleich unterstützen Unterschiede erkennen und kennzeichnen Automatische Navigation Sequenz für Animation erstellen
46 Slide 46 C: Darstellung optimieren Platzverschwendung kontra Überkreuzung/ Verdeckung Circle Packing Aus Stichprobe optimale Aufteilung schätzen
47 Slide 47 Darstellung optimieren:circle Packing Kreispackung Größe der Scheiben veränderen Verschiedene schnelle Algorithmen zur Anpassung vorhanden Für euklidische, hyperbolische und sphärische Geometrie geeignet
48 Slide 48 Literatur Praxis: Carrizo,S.F.2004 Phylogenetic Trees: an Information Visualisation perspective Graphen Zeichnen; Herman,I et al Graph Visualisation and Navigation in information visualisation Hyperbolisch: Munzner
Visualisierung evolutionärer Zusammenhänge
Visualisierung evolutionärer Zusammenhänge Bernhard Schuldt informatics and biotechnology made it easy to explore the phylogeny of thousands of taxa, but the produced quasi-hierarchal data are to voluminous
MehrGraph Visualisierung und Navigation. PG478 Open Graph Drawing Framework Martin Gronemann
Graph Visualisierung und Navigation PG478 Open Graph Drawing Framework Martin Gronemann Übersicht 1. Anwendungsgebiete 2. Layouttechniken 3. Klassische Werkzeuge der Navigation Zoom & Pan Joint pan-zoom
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Ringvorlesung Biologie Sommer 07 Burkhard Morgenstern Institut für Mikrobiologie und Genetik Abteilung für Bioinformatik Goldschmidtstr. 1 Online Materialien zur Ringvorlesung:
MehrTreemaps. - Visualisierung hierarchischer Strukturen. ditact 2003
Treemaps - Visualisierung hierarchischer Strukturen ditact 2003 Seminar Informationsvisualisierung ao.univ.-prof. Dr. Mag. Silvia Miksch Vertr.Ass. DI Monika Lanzenberger Mag. Jeanna Nikolov??@jeanna.at
Mehr4.4 Bäume. Eigenschaften von Bäumen
Eigenschaften von Bäumen Eltern-Kind Relation Relationen in der Regel gerichtet Meist mit ausgezeichneten Knoten Wurzel: keine eingehenden Kanten Blätter: keine ausgehenden Kanten Spezielle Algorithmen
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrTopological Fisheye Views for Visualizing Large Graphs
Topological Fisheye Views for Visualizing Large Graphs Emden R. Gansner, Yehuda Koren, Stephen C. North Stefan Altmayer 11. Dezember 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrInhalt 1 Vorwort 2 Einleitung 3 Für Schnellstarter
Inhalt 1 Vorwort 1 2 Einleitung 3 21 Anwendungsbeispiele 4 211 Exakte Zeichnungen 4 212 Geometrischer Taschenrechner 5 213 Übungsaufgaben 5 22 Gedanken zum Programmdesign 6 23 Zum technischen Hintergrund
MehrMatthias Treydte Fakultät für Informatik TU Chemnitz
Einführung MRM / LOD Matthias Treydte Fakultät für Informatik TU Chemnitz Übersicht 1. 2. 3. 4. 5. 6. 7. Wozu das Ganze? Wie kann man Polygonzüge vereinfachen? Wie sind Vereinfachungen zu bewerten? Welche
Mehr12. Flächenrekonstruktion aus 3D-Punktwolken und generalisierte Voronoi-Diagramme
12. Flächenrekonstruktion aus 3D-Punktwolken und generalisierte Voronoi-Diagramme (Einfache) Voronoi-Diagramme: Motivation: gegeben: Raum R, darin Menge S von Objekten Frage nach Zerlegung von R in "Einflusszonen"
MehrGruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen?
Gruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen? MNU-Landestagung. 02/2012. Regensburg Clara Löh Fakultät für Mathematik. Universität Regensburg Überblick Zwei Paradigmen der modernen (theoretischen)
MehrGlossar. zum Projekt. Dynamische Geometrie-Software. Version 1 vom Gruppe geo09, Projektleiter: Andy Stock
Glossar zum Projekt Dynamische Geometrie-Software Version 1 vom 03.05.03 Erstellt von: R. Hrushchak, P. Kongsto, A. Stock Seite 1 von 5 Animation: Folge von Schritten zur Erstellung und Veränderung einer
MehrAutomatisches Layout von Graphen
Fakultät Informatik» Institut für Angewandte Informatik» Professur für Technische Informationssysteme Automatisches Layout von Graphen Mabel Joselin Brun Chaperon Dresden, 10.06.2011 Inhalt Vortragsübersicht:
MehrLernmodul 7 Algorithmus von Dijkstra
Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 02.07.2015 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
Mehra) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:
1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik - SS 0 Bäume Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
MehrDer Alpha-Beta-Algorithmus
Der Alpha-Beta-Algorithmus Maria Hartmann 19. Mai 2017 1 Einführung Wir wollen für bestimmte Spiele algorithmisch die optimale Spielstrategie finden, also die Strategie, die für den betrachteten Spieler
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serienparallele Graphen Vorlesung im Wintersemester 200/20 Robert Görke.0.20 Robert Görke Algorithmen zur Visualisierung
MehrBeschleunigungsverfahren für Raytracing Grids Hierarchische Grids Bewertung Fazit
Überblick Einführung Beschleunigungsverfahren für Raytracing Grids Hierarchische Grids Fazit Einführung Gewöhnliche Beschleunigungsverfahren & Raumunterteilung entworfen und optimiert für effizientes Traversieren
Mehr5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 11. Hiden Markov Models & Phylogenien Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 11. Hiden Markov Models & Phylogenien Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen
MehrBioinformatik für Biochemiker
Bioinformatik für Biochemiker Oliver Kohlbacher WS 2009/2010 9. Multiples Alignment II Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Übersicht T-COFFEE Probleme bei
MehrBioinformatik für Biochemiker
Bioinformatik für Biochemiker Oliver Kohlbacher WS 2009/2010 9. Multiples Alignment II Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Übersicht T-OFFEE Probleme bei
MehrVorlesung Software-Reengineering
Vorlesung Software-Reengineering Prof. Dr. Rainer Koschke Arbeitsgruppe Softwaretechnik Fachbereich Mathematik und Informatik Universität Bremen Wintersemester 2005/06 Überblick I 1 1 Über diese Folien
Mehr3.3 Optimale binäre Suchbäume
3.3 Optimale binäre Suchbäume Problem 3.3.1. Sei S eine Menge von Schlüsseln aus einem endlichen, linear geordneten Universum U, S = {a 1,,...,a n } U und S = n N. Wir wollen S in einem binären Suchbaum
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
MehrSprache systematisch verbessern. Eugen Okon
Sprache systematisch verbessern Eugen Okon Sprache systematisch verbessern Gliederung Einleitung Die CLEAR Methode CLEAR in einer Fallstudie Ergebnisse und Bewertung Zusammenfassung Sprache systematisch
MehrSeminar-Vortrag von Michael Vollmer
FADE: Graph Drawning, Clustering and visual Abstraction Seminar-Vortrag von Michael Vollmer Institut für Theoretische Informatik 1 KIT FADE: Universität Graph des Drawning, Landes Clustering Baden-Württemberg
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 13. April 2018 1 Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrSeminar Computerspiele Räumliche Datenstrukturen. Ralf Pramberger
Seminar Computerspiele Räumliche Datenstrukturen Ralf Pramberger Themen 2 1. Grundlagen Szene Sichtbarkeit (Raytracing) Culling 2. Räumliche Datenstrukturen Bounding Volume Hierarchie Quadtree/Octree BSP-Tree
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 2. Vorlesung: 16. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching? Map Matching! Map Matching...als Teil von Fahrzeugnavigationssystemen
MehrVisuelle Analyse großer Datenmengen
Visuelle Analyse großer Datenmengen Heidrun Schumann Institut für Informatik, Universität Rostock Visuelle Datenanalyse Warum? Verbesserte Kommunikation von Daten, Modellen und Konzepten Film im SciencExpress
MehrKonzepte II. Netzwerkanalyse für Politikwissenschaftler
Konzepte II Netzwerkanalyse für Politikwissenschaftler Wiederholung Räumliche Distanzen und MDS Hauptkomponenten Neuere Entwicklungen Netzwerkanalyse für Politikwissenschaftler Konzepte II (1/20) Worum
MehrGedächtnis. Extern gewonnene Informationen werden in drei Stufen verarbeitet:
Gedächtnis Gedächtnis Extern gewonnene Informationen werden in drei Stufen verarbeitet: Aufnahme in das Arbeitsgedächtnis ( Kurzzeitgedächtnis ) Abgleich mit langfristig gespeicherten Strukturen Integration
MehrMarketing Service Portal. Website-Navigation Tip Sheet
Marketing Service Portal Website-Navigation Tip Sheet 1 Website-Navigation Grundlagen Gute Website-Navigation In diesem Tip Sheet geht es um die Menüs auf der Website sowie weitere Möglichkeiten für den
MehrKonzepte II. Netzwerkanalyse für Politikwissenschaftler. Wiederholung
Konzepte II Netzwerkanalyse für Politikwissenschaftler Netzwerkanalyse für Politikwissenschaftler Konzepte II (1/20) Worum geht es? Bisher: Eigenschaften einzelner Punkte bzw. des Netzwerkes Definiert
MehrEidgenössische Technische Hochschule Zürich Computer Graphics Research Group. Fachseminar SS1999. Pascal Glardon Abteilung für Informatik
Eidgenössische Technische Hochschule Zürich Computer Graphics Research Group Fachseminar SS1999 Pascal Glardon Abteilung für Informatik 1 Einleitung H3 ist eine Methode für die Darstellung grosser gerichteter
MehrKINAMU Projekt Management
KINAMU Projekt Management Zusatz-Modul für SugarCRM Whitepaper Wien, im Oktober 2015 KINAMU Business Solutions GmbH Concorde Business Park 2/F12 A-2320 Schwechat www.kinamu.com office@kinamu.com Tel +43
MehrAlgorithmen für schwierige Probleme
Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 30. November 2011 Wiederholung Baumzerlegung G = (V, E) Eine Baumzerlegung von G ist ein Paar {X i i V T }, T, wobei T Baum mit Knotenmenge
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
MehrAutomatisches Zeichnen von Graphen
Automatisches Zeichnen von Graphen Kap. 2: Zeichnen von Bäumen Prof. Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering LS11 Universität Dortmund 2./3./4. VO WS07/08 16./22./23. Oktober 2007 1 Literatur
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Algorithmen
MehrNatürliche Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. Natürliche Bäume 1/16
Natürliche Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 Natürliche Bäume 1/16 Bäume Begriffe (1/2) Bäume sind verallgemeinerte Listenstrukturen ein
MehrKapitel 2: Zeichnen von Bäumen Beispiel: Baumzeichnung
Automatisches Zeichnen von Graphen Kap. : Zeichnen von Bäumen Prof. Dr. Petra Mutzel Literatur für diese VO Originalartikel: E.M. Reingold und J.S. Tilford: Tidier Drawings of Trees, IEEE Transactions
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrÜber die evolutionäre Entwicklung eines Metabewusstseins durch die Existenz des Internets. Franz-Josef Schmitt
Über die evolutionäre Entwicklung eines Metabewusstseins durch die Existenz des Internets Franz-Josef Schmitt Inhalt Biophysik Evolution Metastrukturen Metamaterialien Metaorganismen Evolution des Internets
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
MehrV. Metriken. Gliederung. I. Motivation. Lesen mathematischer Symbole. Wissenschaftliche Argumentation. Matrizenrechnung. Seite 67
Gliederung I. Motivation II. III. Lesen mathematischer Symbole Wissenschaftliche Argumentation IV. Matrizenrechnung V. Metriken Seite 67 Problemstellung: Gegeben seien 2 Punkte im Raum. Wie groß ist die
MehrPro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
MehrAlgorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments
Algorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments Sven Rahmann Genominformatik Universitätsklinikum Essen Universität Duisburg-Essen Universitätsallianz Ruhr Einführung Bisher: Berechnung
MehrVISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN
VISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN IGD_Folienvorlage_v2010.10.ppt Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
MehrBachelorarbeit Entwicklung eines Konzeptes zur angemessenen Beschriftung von Informationsobjekten
Bachelorarbeit Entwicklung eines Konzeptes zur angemessenen Beschriftung von Informationsobjekten Institut für Informatik Rostock 1 Inhaltsübersicht 1. Einleitung und Begriffsbildung 2. Bestehende geeignete
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
MehrMulticast-Kommunikation Teleseminar Wintersemester 1999/2000. MOSPF (Multicast Open Shortest Path First)
Multicast-Kommunikation Teleseminar Wintersemester 1999/2000 MOSPF (Multicast Open Shortest Path First) OSPF Abk. für Open Shortest Path First ist ein internes Gateway Protokoll gehört zur Klasse der Link-State-Routing-
MehrOPT Optimierende Clusteranalyse
Universität Augsburg Fakultät für angewandte Informatik Lehrstuhl für Physische Geographie und Quantitative Methoden Übung zum Projektseminar: Wetterlagen und Feinstaub Leitung: Dr. Christoph Beck Referentin:
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
MehrZentrum für Bioinformatik. Übung 4: Revision. Beispielfragen zur Klausur im Modul Angewandte Bioinformatik (erste Semesterhälfte)
Andrew Torda Björn Hansen Iryna Bondarenko Zentrum für Bioinformatik Übung zur Vorlesung Angewandte Bioinformatik Sommersemester 2014 20./23.06.2014 Übung 4: Revision Beispielfragen zur Klausur im Modul
MehrRolf Wanka Sommersemester Vorlesung
Peer-to to-peer-netzwerke Rolf Wanka Sommersemester 2007 7. Vorlesung 05.06.2007 rwanka@cs.fau.de basiert auf einer Vorlesung von Christian Schindelhauer an der Uni Freiburg Lookup in CAN Verbindungsstruktur:
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrLayout-Synthese - Globale Verdrahtung Peter Marwedel
12 Layout-Synthese - Globale Verdrahtung Peter Marwedel Universität Dortmund, Informatik 12 2008/07/05 Globale Verdrahtung, Allgemeines zur Verdrahtung 12, 2008-2- Bäume 12, 2008-3- Steiner-Bäume Def.:
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
Mehr3D-Scans verbessern: MeshLab - Teil 2
3D-Scans verbessern: MeshLab - Teil 2 Kategorien : Allgemein, Open Source Schlagwörter : 3D Scan, MeshLab Datum : 23. August 2017 Mit 3D Rekonstruktion wird das Erstellen von dreidimensionalen Modellen
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrMultiple Alignments. Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann. Webseite zur Vorlesung
Multiple Alignments Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann Webseite zur Vorlesung http://bioinfo.wikidot.com/ Sprechstunde Mo 16-17 in OH14, R214 Sven.Rahmann -at-
MehrModelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2016 1 / 29 Überblick
MehrInhaltsverzeichnis Workshop Organigramm oder Flussdiagramm zeichnen... 1 Eine Form formatieren... 1 Form formatieren... 2
Inhaltsverzeichnis Workshop Organigramm oder Flussdiagramm zeichnen... 1 Eine Form formatieren... 1 Form formatieren... 2 Abstände gleichmäßig verteilen (Zeichentools: Ausrichten und verteilen)... 3 In
MehrSortierverfahren. Laufzeitkomplexität. exponentiell
Sortierverfahren Quick-Sort -gutes Laufzeitverhalten n log( n) -rekursive(absteigende) Struktur - median Suchen ungefähr mittlerer Wert -alle Elemente die kleiner sind als Median werden links von Median
MehrMathematische Grundlagen III
Mathematische Grundlagen III Maschinelles Lernen III: Clustering Vera Demberg Universität des Saarlandes 7. Juli 202 Vera Demberg (UdS) Mathe III 7. Juli 202 / 35 Clustering vs. Klassifikation In den letzten
MehrApproximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial
Approximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial Lukas Nilgen 13. Januar 2016 1 / 22 Inhaltsverzeichnis 1 Definition eines Wirbelstromscheiders
MehrSemantik-Visualisierung
Semantik-Visualisierung 2. Potsdamer I-Science Tag Dirk Burkhardt Fraunhofer IGD Abteilung Echtzeitlösungen für Simulation und Visual Analytics Fraunhoferstraße 5 64283 Darmstadt Germany Tel. +49 (0)6151
MehrVisualisierung feingranularer Abhängigkeiten
Visualisierung feingranularer Abhängigkeiten Jens Krinke FernUniversität in Hagen Fachbereich Elektrotechnik und Informationstechnik Fach Softwaretechnik 6. Workshop Software-Reengineering, Bad Honnef,
MehrProgrammierpraktikum Algorithm Engineering (FPT-Algorithmen) Einführung
Programmierpraktikum Algorithm Engineering (FPT-Algorithmen) Einführung Martin Holzer Ignaz Rutter 31. Oktober 2008 Ansätze für NP-schwere Probleme 2/28 Approximative Lösungen Average-Case- statt Worst-Case-Analyse
MehrAlgorithmen und Datenstrukturen Wintersemester 2018/2019 Übung#5, Christian Rieck, Arne Schmidt
Institute of Operating Systems and Computer Networks Algorithms Group Algorithmen und Datenstrukturen Wintersemester 208/209 Übung#5, 3.2.208 Christian Rieck, Arne Schmidt Konvexe Hülle Konvexe Hülle:
MehrVorkurs Informatik WiSe 16/17
Institut für Programmierung Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 12.10.2016 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt
MehrVorkurs Informatik WiSe 15/16
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 20.10.2015 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt dahinter? Darstellung von Graphen
MehrVergleich von Graphen mittels drei verschiedener Visualisierungstechniken
Vergleich von Graphen mittels drei verschiedener Visualisierungstechniken Denka Stancheva Abschlussvortrag Projektarbeit Betreuer: Dipl. Medieninf. Michael Sedlmair Verantw. Hochschullehrer: Prof. Dr.
MehrMBI: Sequenzvergleich ohne Alignment
MBI: Sequenzvergleich ohne Alignment Bernhard Haubold 12. November 2013 Wiederholung Exaktes & inexaktes Matching Das exakte Matching Problem Naive Lösung Präprozessierung Muster(Pattern): Z-Algorithmus,
MehrVisuelle Sortierung von großen Bildermengen mittels kraftgesteuerter Layout Algorithmen
LFE Medieninformatik Visuelle Sortierung von großen Bildermengen mittels kraftgesteuerter Layout Algorithmen 05.05.2009 Gliederung Prof. Dr. Kai Uwe Barthel Generelle Informationen Image Sorter Aufgabenstellung
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:
MehrZeichnen von Graphen
von Graphen Fabio Valdés Programmierpraktikum WS 2016/17 Lehrgebiet Datenbanksysteme für neue Anwendungen FernUniversität in Hagen Programmierpraktikum Zeichnen von Graphen 08.10.2016 1 / 28 Gliederung
MehrInhaltsadaption von Bilder
Inhaltsadaption von Bilder Anwendungsgebiete und Verfahren für mobile Endgeräte mit kleinen Displays Universität Mannheim Lehrstuhl für Praktische Informatik IV Wintersemester 05/06 vschan@rumms.uni-mannheim.de
MehrSzenengraphen. Codruţa Cosma. Universität Ulm Sommersemester 2005
Szenengraphen Codruţa Cosma Universität Ulm Sommersemester 2005 Übersicht Einführung VRML OpenSceneGraph Java3D vs. VRML OpenGL vs. Java3D und VRML Zusammenfassung 2/26 Was sind Szenengraphen? Datenstruktur
MehrAttached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie
Rheinisch-Westfälischen Technischen Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Rossmanith Attached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie Deniz Özmen Emmanuel
MehrOverview. Testen von Planarität. Planare Graphen. Beliebige Knotenpositionen. Gerade Linien. Faces
Overview Testen von Planarität Markus Chimani LS XI Algorithm Engineering, TU Dortmund VO Automatisches Zeichnen von Graphen 15 Planarität Grundbegriffe Wie erkennt man Planarität Boyer-Myrvold Überblick
MehrVisualisierung hyperbolischer Kachelungen
Visualisierung hyperbolischer Kachelungen Jakob von Raumer November 12, 2015 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT University of the State of Baden-Wuerttemberg and National Laboratory of the Helmholtz
MehrDatenstrukturen. einfach verkettete Liste
einfach verkettete Liste speichert Daten in einer linearen Liste, in der jedes Element auf das nächste Element zeigt Jeder Knoten der Liste enthält beliebige Daten und einen Zeiger auf den nächsten Knoten
MehrTopologieerkennung von Sensornetzwerken
looz@ira.uka.de Institut für Theoretische Informatik - Algorithmik I 26. Januar 2010 Übersicht Motivation Definitionen Überlegungen Algorithmus Resultate Motivation Definitionen Überlegungen Algorithmus
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen u, w, y, z:
Aufgabe 1.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 2, 2, 2, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 2, 2, 2, 3, 4) zusammenhängend? (c) Hat jeder einfache
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, u, w, y:
Aufgabe 3.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (2, 3, 3, 3, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (2, 3, 3, 3, 3, 4) zusammenhängend? (c) Hat jeder einfache
MehrAufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, p, w, y:
Aufgabe 2.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 1, 2, 2, 4, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 1, 2, 2, 4, 4) zusammenhängend? (c) Hat jeder einfache
Mehr<is web> Grundidee hierarchischer Indexierungsverfahren: Ausgangspunkt: punktförmige hochdimensionale Feature-Objekte
Baumverfahren Baumverfahren (2) Ausgangspunkt: punktförmige hochdimensionale Feature-Objekte B-Baum eindimensional Abbildung eines mehrdimensionalen Raums auf eine Dimension im Allgemeinen nicht distanzerhaltend
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 4. Kellerautomaten und kontextfreie Sprachen (I) 3.06.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Organisatorisches 1. Teilklausur: Mittwoch,
MehrRechenverfahren und Auswertemodelle der Landesvermessung
Bernhard Heck Rechenverfahren und Auswertemodelle der Landesvermessung Klassische und moderne Methoden Herbert Wichmann Verlag Karlsruhe IX INHALT Seite TEIL I: ALLGEMEINE GRUNDLAGEN 1 Einführung 1 1.1
Mehr