Clustering ist eine etablierte Data Mining Technik zur Gruppierung von Daten basierend auf ihrer Ähnlichkeit. Diese Technik wird in vielen Anwendungen, wie z.B. kabellose Sensornetzwerke (engl. wireless sensor networks (WSN)), benutzt. WSN bestehen im Normalfall aus Sensorknoten mit beschränkter Energie-, Verarbeitungs- und Speicherkapazitäten. Diese Sensorknoten werden für Beobachtung und/oder Überwachung von verschiedenen Phänomene, wie z.B. Lichtstärke, Temperatur, Feuchtigkeit, etc., eingesetzt. Physikalisches Clustering der Sensorknoten hat das Ziel solche Sensorknoten zusammenzufassen, die korrelierte Daten aufnehmen. Aus diesen Gruppen kann dann ein Vertreter ausgewählt werden, der die gesamte Gruppe repräsentiert, so dass die restlichen Knoten abgeschaltet werden können. Dadurch wird der Energieverbrauch der Knoten minimiert und gleichzeitig ihre Lebensdauer erhöht. Das Ziel dieses Softwarepraktikums ist die Implementierung der bestehenden physikalischen Data Mining Techniken und eines Evaluationsframeworks in der Programmiersprache Java. Nach der Implementierungsphase wird dieses Framework für Messungen der Erkennungsgeschwindigkeit der beobachteten Ereignisse (wie z.B. Feuerverbreitung) und Bestimmung des Energieverbrauchs von Sensornetzwerken benutzt. Eine weitere Aufgabe ist die Bestimmung des Energieverbrauchs des gesamten Sensornetzwerkes. Nach der Teilnahme an dem Praktikum sollen folgende Kenntnisse und Fähigkeiten erlangt werden:

• Kenntnisse über grundlegende Data Mining-Konzepte für Sensornetzwerke
• Kenntnisse über Funktionalität und Effektivität einiger Data Mining Algorithmen
• Fähigkeiten die Effektivität der Data Mining Techniken durch Evaluierung zu beurteilen
• Erstellung eines größeren Softwareprojektes in Teamarbeit inklusive Anforderungsanalyse, Modellierung, Implementierung, Tests und Integration

Empfohlen werden:

• Kenntnisse aus der Vorlesung "Datenbanken und Informationssysteme"