Auflistung nach Schlagwort "DBSCAN"
1 - 6 von 6
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragApplikation des DBSCAN Clustering-Verfahrens zur Generierung von Ground-Truth Fingerabdruck-Minutien(BIOSIG 2010: Biometrics and Electronic Signatures. Proceedings of the Special Interest Group on Biometrics and Electronic Signatures, 2010) Abt, Sebastian; Busch, Christoph; Nickel, ClaudiaBiometrische Verfahren werden häufig im Rahmen der Authentifizierung zum Schutz wichtiger Daten und Systeme eingesetzt. Hierzu werden biometrische Referenzen gespeichert, die Informationen über biometrische Charakteristika der betroffenen Individuen enthalten. Um diese biometrischen Referenzen in offenen und verteilten biometrischen Systemen nutzen zu können, ist eine Standardisierung der Datenaustauschformate notwendig. Eine gute Erkennungsleistung ist nur erzielbar, wenn ausgetauschte Datensätze auch standardkonform erstellt werden. Das Einhalten dieser Standards muss mittels geeigneter syntaktischer und semantischer Konformitätstests sichergestellt werden. Im Rahmen eines semantischen Konformitätstests wird geprüft, ob die gespeicherten Referenzen ein wahres Abbild der biometrischen Charakteristika darstellen. Zur Durchführung semantischer Konformitätstests ist jedoch die Existenz eines entsprechenden Referenzdatensatzes unbedingte Voraussetzung. Derartige Referenzdatensätze werden zur Zeit jedoch erst erstellt. Diese Arbeit leistet einen Beitrag zur Erzeugung eines solchen Referenzdatensatzes am Beispiel von Fingerabdruck-Minutien. Hierzu wird das DBSCAN Clustering-Verfahren auf Datenpunkte angewendet, die von daktyloskopischen Experten durch manuelle Analyse von Fingerabdruck-Bildern bestimmt wurden. Mit Hilfe des Clustering-Verfahrens werden Ground-Truth Fingerabdruck-Minutien erzeugt, die als Referenzdatensatz zum Durchführen semantischer Konformitätstests von automatischen Fingerabdruckidentifikationssystemen genutzt werden können.
- ZeitschriftenartikelChain-detection Between Clusters(Datenbank-Spektrum: Vol. 19, No. 3, 2019) Held, Janis; Beer, Anna; Seidl, ThomasChains connecting two or more different clusters are a well known problem of clustering algorithms like DBSCAN or Single Linkage Clustering. Since already a small number of points resulting from, e. g., noise can form such a chain and build a bridge between different clusters, it can happen that the results of the clustering algorithm are distorted: several disparate clusters get merged into one. This single-link effect is rather known but to the best of our knowledge there are no satisfying solutions which extract those chains, yet. We present a new algorithm detecting not only straight chains between clusters, but also bent and noisy ones. Users are able to choose between eliminating one dimensional and higher dimensional chains connecting clusters to receive the underlying cluster structure. Also, the desired straightness can be set by the user. As this paper is an extension of [ 8 ], we apply our technique not only in combination with DBSCAN but also with single link hierarchical clustering. On a real world dataset containing traffic accidents in Great Britain we were able to detect chains emerging from streets between cities and villages, which led to clusters composed of diverse villages. Additionally, we analyzed the robustness regarding the variance of chains in synthetic experiments.
- TextdokumentChain-detection for DBSCAN(BTW 2019 – Workshopband, 2019) Held, Janis; Beer, Anna; Seidl, ThomasChains connecting two or more different clusters are a well known problem of the probably most famous density-based clustering algorithm DBSCAN. Since already a small number of points resulting from, e.g., noise can form such a chain and build a bridge between different clusters, it can happen that the results of DBSCAN are distorted: several disparate clusters get merged into one. This single-link effect is rather known but to the best of our knowledge there are no satisfying solutions which extract those chains, yet. We present a new algorithm detecting not only straight chains between clusters, but also bent and noisy ones. Users are able to choose between eliminating one dimensional and higher dimensional chains connecting clusters to receive the underlying cluster structure by DBSCAN. Also, the desired straightness can be set by the user. We tested our efficient algorithm on a dataset containing traffic accidents in Great Britain and were able to detect chains emerging from streets between cities and villages, which led to clusters composed of diverse villages.
- KonferenzbeitragEFM-DBSCAN: Ein baumbasierter Clusteringalgorithmus unter Ausnutzung erweiterter Leader-Umgebungen(Datenbanksysteme für Business, Technologie und Web (BTW 2017), 2017) Egert, PhilippDBSCAN ist ein dichte-basierter Clusteringalgorithmus, der beliebig geformte Cluster erkennt und sie von Rauschen trennt. Aufgrund der Laufzeit von O(n^2) ist seine Anwendung jedoch auf kleine Datenkollektionen beschränkt. Um diesen Aufwand zu reduzieren, wurde der auf dem Konzept der Leader-Umgebung basierende Algorithmus FM-DBSCAN vorgestellt, der für beliebige Metriken dasselbe Clustering wie DBSCAN liefert. In dieser Arbeit wird nun basierend auf FM-DBSCAN das Verfahren EFM-DBSCAN entwickelt. EFM-DBSCAN nutzt die folgenden zwei Konzepte zur E zienzsteigerung: (a) eine baumbasierte Partitionierung und (b) die Erweiterung der Objekte einer Leader-Umgebung um die Distanzen zu ihrem Leader. Erste Experimente zeigen, dass EFM-DBSCAN bis zu einem Faktor 17 weniger Distanzberechnungen und bis zu einem Faktor 13 weniger Rechenzeit als FM-DBSCAN benötigt. Gegenüber DBSCAN wurde ein Faktor von bis zu 10^4 eingespart.
- KonferenzbeitragUnüberwachtes Lernen von KI-Systemen bei der Auswertung von landwirtschaftlichen Prozessen(42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Stein, ThoralfIn dieser Arbeit sollen Einsatzmöglichkeiten von KI-Systemen gezeigt werden, die auf dem sogenannten unüberwachten Lernen basieren und somit keine Datengrundlage und kein Training benötigen. Dabei werden verschiedene Einsatzgebiete rund um den Maschineneinsatz und dessen Auswertung in der Landwirtschaft gezeigt. Deren Stärke liegt in dem Gruppieren von Daten und in dem Finden von Ausreißern. Es werden Vor- und Nachteile der Algorithmen gezeigt und der tatsächliche Nutzen im Einsatz diskutiert.
- ZeitschriftenartikelVerfahren zur funktionalen Ähnlichkeitssuche technischer Bauteile in 3D-Datenbanken(Datenbank-Spektrum: Vol. 12, No. 2, 2012) Maier, Moritz; Schulz, Jan; Thoben, Klaus-DieterIn diesem Artikel wird die funktionale Ähnlichkeitssuche technischer Bauteile behandelt. Ziel ist es, ein Verfahren aufzuzeigen, welches eine Ähnlichkeitssuche innerhalb einer bionischen 3D-Datenbank mit verschiedensten Strukturen ermöglicht, ohne direkt auf die Geometriedaten der einzelnen Strukturen zurückzugreifen. Vielmehr werden mechanische Funktionen der Strukturen als Ähnlichkeitskriterium genutzt. Das Verfahren stützt sich hierbei auf Wirkflächen und Punkte, welche Ein- oder Austrittspunkte von Kräften in einer Struktur darstellen. Mit Hilfe verschiedener Algorithmen wird eine automatische Ähnlichkeitssuche durchgeführt. Das Ergebnis der funktionalen Ähnlichkeitssuche ist eine visuell aufbereitete Landkarte, auf der sich funktional ähnliche Strukturen gruppiert und funktional unähnliche entfernt darstellen.