Du er ikke logget ind
Beskrivelse
Durch die methodische Verwandtschaft mit der Sprachsignalverarbeitung sind in der
vorliegenden Reihe schon mehrere Bände erschienen, in denen die Mustererkennung auf
nichtsprachliche Probleme angewendet wird. In diesem Buch werden klassische Methoden
zur Klassifikation sowie der Variablenselektion und -reduktion analysiert und hinsichtlich
ihrer Anwendbarkeit auf spektroskopische Daten untersucht. Spektroskopische
Daten zeichnen sich durch eine große Anzahl untereinander hoch korrelierter Variablen
aus, was für viele Ansätze ein Problem darstellt.
Auf Basis der gewonnenen Erkenntnisse wurde ein rekursives Transformationsverfahren
(RTV) zur Variablenselektion entwickelt und mit bekannten Methoden verglichen. Dieses
lässt sich direkt auf mehrdimensionale Daten mit hoher Kollinearität anwenden. Für
linear trennbare Zweiklassenprobleme liefert es schnell eine gewünschte Anzahl von
Variablen, die signifikant zur Klassentrennung beitragen. Des Weiteren kann es ebenfalls
zur Prototypenselektion verwendet werden.
Den praktischen Hintergrund der Arbeit bildet eine Problemstellung aus der Geflügelwirtschaft.
In der Legehennenproduktion werden jährlich über 50 Millionen männliche
Eintagsküken getötet. Die Geschlechtsbestimmung im Ei soll eine Alternative bieten.
Ein Verfahren verwendet Transmissionsspektren als Basis für die Klassifikation als Henne
oder Hahn. Dabei ist neben einer fehlerarmen Zuordnung ein Rückschluss auf charakterische
spektrale Bereiche wünschenswert.
Doreen Göhler studierte von 2008 bis 2012 an der Hochschule für Technik und Wirtschaft
Dresden (HTW) Informationstechnik. Seit 2012 arbeitet sie als Entwicklungsingenieurin
für die Evonta-Technology GmbH im Bereich der Bildverarbeitung und Mustererkennung.
Von 2015 bis 2018 entstand die Dissertation im Arbeitsumfeld und Rahmen
eines kooperativen Promotionsverfahrens zwischen der TU Dresden und der HTW.