Software

Here you might find public software that has been developed by the Databionics research group for scientific purposes. Please quote the corresponding publications.

Name	Code	Licence	Link	Authors
Databionic ESOM Tools	Java	GPL	SourceForge Project	Christan Stamm, Mario Nöcker, Fabian Mörchen, u.v.a.
Databionic MusicMiner	Java	GPL	SourceForge Project	Mario Nöcker, Christan Stamm, Fabian Mörchen, Niko Efthymiou, Michael Thies, Ingo Löhken, u.v.a.
Time Series Knowledge Mining	Matlab	GPL	Download	Fabian Mörchen
Pareto Density Estimation	Matlab	GPL	-	Alfred Ultsch, Fabian Mörchen
Persist Time Series Discretization	Matlab	GPL	Download	Fabian Mörchen
Audio Feature Extraction	Matlab	GPL	-	Ingo Löhken, Michael Thies, Fabian Mörchen
DWT/DFT time series feature extraction	Matlab	GPL	Download	Fabian Mörchen
LaTeX/PDF Reports	Matlab	GPL	Download	Fabian Mörchen

Databionic ESOM Tools

Im Rahmen einer Projektgruppe wurden bei uns die Databionics ESOM Tools, ein Softwarepaket für Training, Visualisierung und interaktiver Analyse von Emergenten Selbst-Organisierenden Merkmalskarten, entwickelt. Die Software steht unter der GPL zur Verfügung. Für alle weiteren Informationen besuchen Sie bitte das SourceForge Project.
Ultsch, A., Mörchen, F.: ESOM-Maps: tools for clustering, visualization, and classification with Emergent SOM, Technical Report No. 46, Dept. of Mathematics and Computer Science, University of Marburg, Germany, (2005)

Databionic MusicMiner

Im Rahmen einer Projektgruppe wurde bei uns der Databionic MusicMiner entwickelt. Es handelt sich um ein Programm das die Ähnlichkeit von Musikstücken aus dem Klang berechnet und basierend darauf eine Musiksammlung als Landkarte darstellt. Die Software steht unter der GPL zur Verfügung. Für alle weiteren Informationen besuchen Sie bitte das SourceForge Project.
Mörchen, F., Ultsch, A., Thies, M., Löhken, I., Nöcker, M., Stamm, C., Efthymiou, N., Kümmerer, M.: MusicMiner: Visualizing timbre distances of music as topographical maps, Technical Report No. 47, Dept. of Mathematics and Computer Science, University of Marburg, Germany, (2005)

Time Series Knowledge Mining

Time Series Knowledge Mining (TSKM) ist eine Methodik für die Suche nach verständlichen Mustern in multivariaten Zeitreihen. Wir stellen (in Kürze) eine Implementierung für Matlab unter der GPL zur Verfügung.	Download
Mörchen, F.: Time Series Knowledge Mining, Phd thesis, Dept. of Mathematics and Computer Science, University of Marburg, Germany, (2006)

Pareto Density Estimation

Die Pareto Density Estimation is eine Informations-optimale Schätzung der empirischen Wahrscheinlichkeitsdichte. Wir stellen (in Kürze) eine Implementierung für Matlab unter der GPL zur Verfügung.
Ultsch, A.: Optimal Density Estimation in Data containing Clusters of unknown Structure, Technical Report No. 34, Dept. of Mathematics and Computer Science, University of Marburg, Germany, (2003)

Persist Time Series Discretization

Der Persist Algorithmus ermöglicht eine Diskretisierung von Zeitreihen in Zustände optimaler Dauer. Im Gegensatz zu herkömmlichen statischen Histogram Methoden wird die zeitliche Abfolge der Werte zur Optimierung der Bins verwendet. Wir stellen eine Implementierung für Matlab unter der GPL zur Verfügung: Download.
Mörchen, F., Ultsch, A.: Optimizing Time Series Discretization for Knowledge Discovery, Grossman, R.L., Bayardo, R., Bennet, K., Vaidya, J. (Eds), In Proceedings The Eleventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Chicago, IL, USA, (2005), pp. 660-665

Audio Feature Extraction

Die Analyse von Musikdaten erfolgt häufig auf Klangmerkmalen die auf kurzen Zeitfenstern berechnet werden. Ein bekanntes Beispiel sind die Mel Frequency Cepstral Coefficients (MFCC). Im Rahmen einer Projektgruppe wurden bei eine flexible Software zur Berechnung von sehr vielen solcher Klangmerkmalen erstellt. Wir stellen (in Kürze) eine Implementierung für Matlab unter der GPL zur Verfügung.
Mörchen, F., Ultsch, A., Thies, M., Löhken, I.: Modelling timbre distance with temporal statistics from polyphonic music, IEEE Transactions on Speech and Audio Processing IEEE, (2005), (to appear)

DWT/DFT time series feature extraction

Die best Auswahl von Koeffizienten aus der Diskreten Wavelet Transformation (DWT) oder der Diskreten Fourier Transformation (DFT) von Zeitreihen in Sinne der Energieerhaltung ist absteigend nach Größe des Betrags. Bei einer Menge von Zeitreihen wie sie z.B. zum Clustern oder Klassifizieren vorliegen führt dies zu schlecht vergleichbaren Representationen, da pro Zeitreihe unterschiedliche Koeffizienten ausgewählt werden können. Wir haben daher eine globale Auswahlstrategie vorgeschlagen, die eine vergleichbare Darstellung mit guter Energieerhaltung verbindet. Wir stellen eine Implementierung für Matlab unter der GPL zur Verfügung: Download.

Mörchen, F.: Time series feature extraction for data mining using DWT and DFT, Technical Report No. 33, Dept. of Mathematics and Computer Science, University of Marburg, Germany, (2003)

LaTeX/PDF Reports

Diese kleine Toolbox ermöglicht die Erstellung von PDF Reports mit Matlab Funktionen. Durch Anhängen von Ergebnissen in Form von Tabellen und Bildern entsteht so automatisch eine Dokumentation die später komfortabel analysiert werden kann. Als zusätzliche Software wird LaTeX und Ghostscript benötigt: Download.