Algorithmen und Datenstrukturen

Slides:



Advertisements
Ähnliche Präsentationen
Der Foliensatz ist unter einer Creative Commons-Lizenz lizenziert:
Advertisements

Problemlösen am Beispiel des Rückwärtsarbeitens
? Stichwortverzeichnis … zum Suchen
Stichwortverzeichnis
Heute Mathe, morgen DLR! Dr. Margrit Klitz
Einführung in Web- und Data-Science Grundlagen der Stochastik
gemeinsam.innovativ.nachhaltig.
Wissenschaftliche Methodik
3. Schafft das Internet neue Transaktionsdesign?
Umweltbezogene Entscheidungen - multidimensionale Bewertungsverfahren -
Michael Artin: Geometric Algebra
R What is this R thing, and is it worth some effort?
3 Elektrochemische Wandler
Elektro-Skateboards Teil I Grundlagen
Stichwortverzeichnis
8 Zündung/Motormanagement
Stichwortverzeichnis
2 Elektrische Maschinen in Kraftfahrzeugen
Herstellung von kristallinen Metalloxiden über die Schmelze mit einem Spiegelofen Gruppe 8: Yuki Meier, Vivien Willems, Andrea Scheidegger, Natascha Gray.
Kapitel 4 Traveling Salesman Problem (TSP)
Markus Lips März 2017 ETH-Vorlesung, 6. Sem. Agrarwissenschaft BSc Agrartechnik II.
Einführung in die Wahrscheinlichkeitsrechnung
Motoremissionen mobiler Anlagen – Stand der Technik
Lieber Leser, liebe Leserin,
Inhaltsverzeichnis In der vorliegenden Präsentation finden Sie unter anderem Antworten auf folgende Fragen… warum ist eine Gesetzesinitiative zum Betriebliches.
Einführung in Web- und Data-Science
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen
Industrie 4.0 für die Ausbildung 4.0
Entwicklung epistemologischer Überzeugungen
Das Verdauungssystem Präsentiert von Theresa
MasterBAV© Die neue Generation BAV
Algorithmen und Datenstrukturen
Rehwild die richtige Altersbestimmung
PSG II Neuer Pflegebedürftigkeitsbegriff und dessen Begutachtung (NBA)
Medientechnische Infrastrukturen für virtuelle und lokale Lernräume
Wissensmanagement im Zeitalter von Digitaler Transformation
«Wir bereiten uns auf die Deutschlandreise vor»
GABI UND BEN.
Pflege & Finanzierung 01. Juni 2017 Dr. Sonja Unteregger
Das Arbeitgebermodell in Zeiten des
Microsoft® Office PowerPoint® 2007-Schulung
Einführung in Web- und Data-Science
Pensionsrück-stellungen Prof. Dr. Matthias Hendler
Mathematik 10.
Betriebliche Gesundheitsförderung 2
Vorlesung Wasserwirtschaft & Hydrologie I
Liebe BetrachterInnen,
Rosebrock: Geometrische Gruppen
Forschungsmethoden in der Teilchenphysik
Neue Unterrichtsmaterialien zur Teilchenphysik Philipp Lindenau CERN | Herzlich willkommen! Präsentation mit Notizen hinterlegt!
Eröffnungsveranstaltung
Aktuelle Themen aus dem KVJS-Landesjugendamt Referat 44
Roomtour - Podio für Anfänger
175 Jahre UZH Krisenkommunikation
Frauen- Männerriegen KONFERENZ
Schulung für Microsoft® Office SharePoint® 2007
Was ist eigentlich Datenschutz?
Aktuelle Aspekte des Europäischen Zivilprozessrechts
Einführung in die Benutzung des Einkaufportals der Eckelmann AG
Wer wir sind! Ihr S-Campus-Team direkt im Campus Center. Sven Deussing
Non-Standard-Datenbanken
Amand Fäßler 3. Januar 2017; RC Bregenz
Mathematik 11 Analytische Geomerie.
Non-Standard-Datenbanken
Menger-Schwamm Ausgangsfigur in Stufe 0 ist ein Würfel
Sortieren auf Multiprozessorrechnern
Wurzeln und Irrationalität nach U.Wagner, OHG Tuttlingen
Langzeitbelichtung Ein Zugang zur Kinematik in Klassenstufe 7/8
Eine kleine Einführung in das Projekt „Mausefallenauto“
 Präsentation transkript:

Algorithmen und Datenstrukturen Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) sowie viele Tutoren

Danksagung Nach einem Vortrag von Optical Character Recognition: Using the Ullmann Algorithm for Graphical Matching von Iddo Aviram

OCR – Zeichenerkennung durch Graphabgleich Bestimmung einer Datenstruktur: Segmentation ⟶ Verdünnung ⟶ Graphrepräsentation

OCR durch Graphabgleich (Matching) Durch Subgraphabgleich Kandidaten finden Subgraph-Isomorphie Graphische Modellierung Graphischer Abgleich

Subgraph-Isomorphismus-Problem Gegeben zwei Graphen H and G. Bestimme, ob H einen Subgraphen hat, der isomorph zu G ist, also bis auf Knotenumbenennung die Gestalt von G hat Zur Lösung müssen wir Korrespondenzen finden Beispiel: (Es gibt weitere Lösungen) 1G-1H 2G-3H 3G-2H Antwort: Ja Sollen wir alle möglichen Korrespondenzen generieren und testen?

Ullmanns Algorithmus Verwendung von algebraischen Formulierungen des Subgraph-Isomorphie-Problems Adjazenzmatrix AH eines Graphen H: J. R. Ullmann, An Algorithm for Subgraph Isomorphism, Journal of the ACM, 1976

Aufbau des Suchraums nach Korrespondenzen Verwendung der sog. Permutationsmatrix Über Permutationsmatrix kann isomorphe Korrespondenz ausgedrückt werden Isomorphe Korrespondenz Permutationsmatrix 𝟏 𝑯 𝟐 - 𝟏 𝑯 𝟐 𝑯 𝟐 - 𝟑 𝑯 𝟑 𝑯 𝟐 - 𝟐 𝑯 𝟒 𝑯 𝟐 - 𝟒 𝑯 F= P= F~P

Isomorphiekriterium 𝐴 𝐻 2 =𝑃 𝐴 𝐻 𝑃 −1 Zwei Graphen H und H 2 sind isomorph mit Korrespondenz F genau dann, wenn A H ähnlich zu A H 2 ist, also eine Permutationsmatrix P~F existiert. Isomorphe Korrespondenz ~ Permutationsmatrix 𝟏 𝑯 𝟐 - 𝟏 𝑯 𝟐 𝑯 𝟐 - 𝟑 𝑯 𝟑 𝑯 𝟐 - 𝟐 𝑯 𝟒 𝑯 𝟐 - 𝟒 𝑯 Isomorphiekriterium: F= P= 𝐴 𝐻 2 =𝑃 𝐴 𝐻 𝑃 −1 T gdw 𝐻 2 ist isomorph zu H mit Korrespondenz F~P F~P

Skeptisch? Davide Mottin, Konstantina Lazaridou, Graph Mining course WS 2016

Ullmanns Algorithmus In gleicher Weise können wir ein algebraisches Kriterium für Subgraph-Isomorphie bestimmen Isomorphe Korrespondenz ~ Permutationsmatrix 1G-1H 2G-3H 3G-2H 4G-φ F= P=

Ullmanns Algorithmus Gegeben: Graphen G und H Gesucht: Permutationsmatrix P mit Dimensionen | 𝑉 𝐺 |x | 𝑉 𝐻 |, so dass das Subgraph-Isomorphie-Kriterium erfüllt Suchraum über alle möglichen Permutationsmatrizen P mit jeweiliger Prüfung des Kriteriums aufspannen? Das geht besser!

Ullmanns Algorithmus Konstruiere Matrix M(0) der Dimension der P-Matrizen: Generiere aus M(0) alle M' durch Wahl einer 1 pro Zeile Subgraph-Isomorphismus gefunden, wenn ≥ mit P=M'(M'AH)T

Ullmanns Algorithmus (mit einfachem Pruning) Start- M(0) Innere Knoten: M Blätter: M' Verglichen mit AG Weitere Verfeinerungen des Prunings sind möglich

Take-Home Messages Pruning kann anwendungsübergreifend erfolgen Alpha-Beta-Pruning Pruning kann anwendungsspezifisch erfolgen Subgraph-Isomorphie, Zulässige Heuristik bei A* Unter bestimmten Bedingungen gilt: Beste Lösung wird nicht verfehlt