Skip to main content

2019 | OriginalPaper | Buchkapitel

7. Glättung einer Mannigfaltigkeit

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Die Messdaten verschiedener Messereignisse liegen als Datengruppen vor. Die Daten des Messereignisses sind wie Zufallsstichproben Gauß-verteilt. In diesem Kapitel wird eine Glättungsmethode vorgestellt, die die statistischen Kennwerte dieser Daten nutzt und die Eigenwerte dieser Daten nicht oder nur unwesentlich verändert. Eine MF, die zunächst nur aus einer diskreten Anzahl von Messpunkten im D-dimensionalen Raum besteht, weist Lücken auf und kann entweder durch Approximation oder durch Interpolation geglättet werden. Approximation wendet man bei Messpunkten an, die durch eine ausgleichende Kurve repräsentiert werden sollen, um die Fehlerquadrate zu minimieren, Interpolation, wenn die Messpunkte als exakt angenommen werden können und es erforderlich ist, Zwischenwerte einzubringen, sodass eine glatte Raumkurve entsteht.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

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!

Fußnoten
1
Bei der Bestimmung der Distanzen in hochdimensionalen Räumen spielt die Metrik für die Präzision bei der Verarbeitung eine entscheidende Rolle. Der Sachverhalt dazu ist in Abschn. 6.​1.​3 beschrieben.
 
2
In Abschn. 12.​3 und 12.​3.​1 sind die Reduzierung der multimensionalen Distanzen auf eine eindimensionale Darstellung und damit verbundene Möglichkeiten vorgestellt und erläutert.
 
3
Diese Beziehung ist beim MAE-Verfahren durch das Maß MaxDist2NN, das aus den statistischen Kennwerten des TDS abgeleitet ist, gegeben (Abschn. 12.​4.​9).
 
4
Maße für die Richtungsänderung sind in Abschn. 8.​5 gegenübergestellt.
 
5
In [3] wird die Glattheit angrenzender Strukturen erzwungen, um Zwischenwerte zur Verfeinerung einer grob abgespeicherten Struktur, z. B. bei Bildern, zu interpolieren.
 
6
Statt der Winkelabweichung kann auch eine definierte maximale Distanz zwischen aufeinanderfolgenden DPs verwendet werden.
 
7
Linear Noiseless Sensors [5].
 
8
In Abschn. 8.6.1 in [6] wurde eine DR mit mehreren Gruppen durchgeführt.
 
9
Die für eine bestimmte Genauigkeit erforderliche Anzahl der Datenpunkte ist in Abschn. 5.​3.​3 beschrieben und in Tab. 5.​5 aufgelistet.
 
10
Als Test bietet sich an, verrauschte Daten aus dem X-Raum in den Einbettungsraum (z. B. Y-Raum) zu transformieren, anschließend im Einbettungsraum einen Zwischenwert zu interpolieren und diesen in den X-Raum zurückzutransformieren. Verglichen wird dieser Wert dann mit einem nach der Fehlerquadratmethode direkt im X-Raum approximierten Wert. Dies lässt sich z. B. bei t=0,5 des parametrischen Splines durchführen.
 
Literatur
2.
Zurück zum Zitat Braun ML (2005) Spectral Properties of the Kernel Matrix and their Relation to Methods in Machine Learning. Dissertation, Mathematisch-Naturwissenschaftliche Fakultät der Rheinischen Friedrisch-Wilhelm-Universität Bonn Braun ML (2005) Spectral Properties of the Kernel Matrix and their Relation to Methods in Machine Learning. Dissertation, Mathematisch-Naturwissenschaftliche Fakultät der Rheinischen Friedrisch-Wilhelm-Universität Bonn
6.
Zurück zum Zitat 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
7.
Zurück zum Zitat Scheibl HJ (1990) Numerische Methoden für den Ingenieur: Praktische Anwendungen auf dem PC, Edition expertsoft, vol 1. expert-Verl., Ehningen bei Böblingen Scheibl HJ (1990) Numerische Methoden für den Ingenieur: Praktische Anwendungen auf dem PC, Edition expertsoft, vol 1. expert-Verl., Ehningen bei Böblingen
8.
Zurück zum Zitat Tobler WR (1979) Smooth pycnophylactic interpolation for geographical regions. In Journal of the American Statistical Association vol. 7, No. 357:S. 519–536MathSciNetCrossRef Tobler WR (1979) Smooth pycnophylactic interpolation for geographical regions. In Journal of the American Statistical Association vol. 7, No. 357:S. 519–536MathSciNetCrossRef
9.
Zurück zum Zitat Zhang C, Wang J, Zhao N, Zhang D (2004) Reconstruction and analysis of multi-pose face images based on nonlinear dimensionality reduction. Pattern Recognition, The journal of the pattern recognition society vol. 37:S.325–336CrossRef Zhang C, Wang J, Zhao N, Zhang D (2004) Reconstruction and analysis of multi-pose face images based on nonlinear dimensionality reduction. Pattern Recognition, The journal of the pattern recognition society vol. 37:S.325–336CrossRef
Metadaten
Titel
Glättung einer Mannigfaltigkeit
verfasst von
Gerhard Sartorius
Copyright-Jahr
2019
DOI
https://doi.org/10.1007/978-3-658-23576-5_7

Neuer Inhalt