स्पेसियोटेम्पोरल डेटा माइनिंग (Spatiotemporal Data Mining)
स्पेसियोटेम्पोरल डेटा माइनिंग स्पेसियोटेम्पोरल डेटा से पैटर्न और ज्ञान खोजने की प्रक्रिया को परिभाषित करती है। स्पेसियोटेम्पोरल डेटा माइनिंग के उदाहरणों में शहरों और भूमि के विकास इतिहास का पता लगाना, मौसम डिजाइन उजागर करना, भूकंप और तूफान का पूर्वानुमान लगाना, और ग्लोबल वार्मिंग रुझानों का निर्णय लेना शामिल है।
मोबाइल फोन, GPS डिवाइस, इंटरनेट-आधारित मानचित्र सेवाएं, मौसम सेवाएं, और डिजिटल अर्थ, और उपग्रह, RFID, सेंसर, वायरलेस, और वीडियो प्रौद्योगिकियों की पहचान को देखते हुए स्पेसियोटेम्पोरल डेटा माइनिंग महत्वपूर्ण हो गई है और इसके दूरगामी निहितार्थ हैं।
चलती वस्तु डेटा
कई प्रकार के स्पेसियोटेम्पोरल डेटा में, चलती-वस्तु डेटा महत्वपूर्ण हैं। उदाहरण के लिए, पशु वैज्ञानिक पारिस्थितिक व्यवहार का पता लगाने के लिए वन्यजीवों पर टेलीमेट्री मशीनरी जोड़ते हैं, गतिशीलता प्रबंधक वाहनों को बेहतर ढंग से मॉनिटर और मार्गदर्शन करने के लिए कारों में GPS एम्बेड करते हैं, और मौसम विज्ञानी तूफान खोजने के लिए मौसम उपग्रहों और रडार की आवश्यकता होती है।
चलती-वस्तु डेटा माइनिंग का एक उदाहरण जैसे कई चलती वस्तुओं के मूवमेंट डिजाइन की माइनिंग (यानी, कई चलती वस्तुओं के बीच संबंधों की खोज जिसमें चलती क्लस्टर्स, लीडर्स और फॉलोअर्स, मर्ज, कॉन्वॉय, स्वार्म, और पिंसर, और विभिन्न सामूहिक मूवमेंट पैटर्न शामिल हैं)।
साइबर-फिजिकल सिस्टम
एक साइबर-फिजिकल सिस्टम (CPS) आमतौर पर परस्पर क्रिया करने वाले भौतिक और डेटा घटकों की एक बड़ी संख्या शामिल करता है। CPS सिस्टम को परस्पर जोड़ा जा सकता है ताकि विशाल विषम साइबर-फिजिकल नेटवर्क बन सकें।
साइबर-फिजिकल नेटवर्क के उदाहरणों में एक रोगी देखभाल प्रणाली शामिल है जो एक रोगी निगरानी प्रणाली को रोगी डेटा के वेब और एक आपातकालीन प्रबंधन प्रणाली से जोड़ती है।
एक परिवहन प्रणाली जो एक परिवहन निगरानी वेब को जोड़ती है, जिसमें कई सेंसर और वीडियो कैमरे शामिल हैं, एक यातायात डेटा और नियंत्रण प्रणाली के साथ; और एक युद्धक्षेत्र कमांडर प्रणाली जो एक सेंसर नेटवर्क को युद्धक्षेत्र डेटा विश्लेषण प्रणाली से जोड़ती है।
साइबर-फिजिकल सिस्टम में उत्पन्न डेटा शक्तिशाली, विस्फोटक, शोर, असंगत, और अन्योन्याश्रित हैं, जिसमें समृद्ध स्पेसियोटेम्पोरल डेटा शामिल है, और वे रीयल-टाइम निर्णय लेने के लिए आवश्यक हैं।
मल्टीमीडिया डेटा माइनिंग
मल्टीमीडिया डेटा माइनिंग मल्टीमीडिया डेटाबेस से दिलचस्प डिजाइन की खोज है जो बड़ी संख्या में मल्टीमीडिया वस्तुओं को सहेजते और प्रबंधित करते हैं, जैसे इमेज डेटा, वीडियो डेटा, ऑडियो डेटा, और अनुक्रम डेटा और हाइपरटेक्स्ट डेटा जिसमें टेक्स्ट, टेक्स्ट मार्कअप, और लिंकेज शामिल हैं।
मल्टीमीडिया डेटा माइनिंग एक अंतःविषय क्षेत्र है जो इमेज प्रोसेसिंग और धारणा, कंप्यूटर विजन, डेटा माइनिंग, और पैटर्न पहचान को मिलाता है। मल्टीमीडिया डेटा माइनिंग में कई समस्याएं शामिल हैं जिनमें कंटेंट-आधारित पुनर्प्राप्ति और समानता खोज, और सामान्यीकरण और बहुआयामी विश्लेषण शामिल हैं। मल्टीमीडिया डेटा क्यूब्स में मल्टीमीडिया डेटा के लिए अधिक आयाम और माप शामिल हैं।
टेक्स्ट माइनिंग
टेक्स्ट माइनिंग एक अंतःविषय अनुप्रयोग है जो सूचना पुनर्प्राप्ति, डेटा माइनिंग, मशीन लर्निंग, सांख्यिकी, और कम्प्यूटेशनल भाषाविज्ञान पर आधारित है। डेटा का एक बड़ा हिस्सा टेक्स्ट के रूप में सहेजा जाता है जिसमें समाचार लेख, हाई-टेक पेपर, किताबें, डिजिटल लाइब्रेरी, ईमेल संदेश, ब्लॉग, और वेब पेज शामिल हैं।
