Skip to main content
Top

2019 | OriginalPaper | Chapter

13. Merkmalsraum

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Die Eingangsinformationen verschiedener Arten von Messungen zur Erfassung eines Objektes liegen in Kanälen angeordnet als Daten im D-dimensionalen Merkmalsraum vor. Die Daten sind ausreißerfrei, die Kenndaten der Verteilungen der Datengruppen ermittelt und als Teil des Modells für das zu klassifizierende Objekt gespeichert worden. Diese Ergebnisse aus der vorher durchgeführten Datenvorverarbeitung müssen nun in eine für die Art der Daten und den Verwendungszweck optimale Darstellungsform für die nächste Verarbeitungsstufe überführt werden, dass die Schritte zur Gestaltung eines generalisierungsfähigen Datenmodells und die Bildung der NN-Beziehungen optimal durchführbar sind. Danach ist es möglich die Daten direkt (unverändert), als WT-Koeffizienten, als FT-Koeffizienten oder in dimensionsreduzierter Form der Verarbeitung im Assoziationsraum zur Filterung, zur Bildung der Rekonstruktionsgewichte des NN-Verfahrens und zur Skalierung und Anpassung dem Assoziationsraum zuzuführen.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Footnotes
1
In Abschn. 9.​1.​3 sind die Eigenschaften der WT und der FT gegenübergestellt und es werden andere Transformationen genannt.
 
2
Beispiele: Ausblendung des Gleichanteils (WT-Komponente 1) bei Signalgruppen (z. B. Spektren) zur Minderung des Einflusses der Signalstärke des Messlasers bei der Raman-Spektroskopie, Ausblendung von Komponenten zur Minderung des Wassereinflusses bei der NIR-Spektroskopie, Ausblenden des Gleichanteils zur Minderung der Überbelichtung bei pixelorientierten Messungen…
 
3
Perfekte Lokalität als Eigenschaft der Haar-WT in Abschn. 9.​4.
 
4
Die Möglichkeiten dazu sind in Abschn. 11.​4.​3 aufgeführt.
 
5
Die Eigenschaften der WT, sind in Kapitel 9 und die der DR in Abschn. 10.​3 erklärt.
 
Literature
1.
go back to reference Sartorius G (2009) Multivariate Adaption mit modularisierten künstlichen neuronalen Netzen: Zugl.: Hagen, Fernuniv., Fachbereich Elektrotechnik, Diss., 2009, Fortschritt-Berichte VDI Reihe 10, Informatik/Kommunikation, vol 799, als ms. gedr edn. VDI-Verl., Düsseldorf Sartorius G (2009) Multivariate Adaption mit modularisierten künstlichen neuronalen Netzen: Zugl.: Hagen, Fernuniv., Fachbereich Elektrotechnik, Diss., 2009, Fortschritt-Berichte VDI Reihe 10, Informatik/Kommunikation, vol 799, als ms. gedr edn. VDI-Verl., Düsseldorf
Metadata
Title
Merkmalsraum
Author
Gerhard Sartorius
Copyright Year
2019
DOI
https://doi.org/10.1007/978-3-658-23576-5_13