Logo des Repositoriums

Auflistung nach Schlagwort "k-Means-Algorithmus"

1 - 3 von 3
  • Zeitschriftenartikel
    ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 2, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    In diesem Beitrag wird die Webanwendung ClusterLabor (verfügbar unter ddi.informatik.uni-wuerzburg.de) vorgestellt. ClusterLabor ermöglicht eine interaktive Visualisierung und Analyse von Clusteralgorithmen in zweidimensionalen Datensätzen. Damit können verschiedene Algorithmen hinsichtlich ihrer Ergebnisse in Abhängigkeit von der gewünschten Anzahl an Clustern verglichen werden. Anwender können aus verschiedenen Beispieldatensätzen wählen, eigene Datensätze hochladen oder Datensätze direkt durch manuelle Eingabe generieren. Zum Clustern stehen verschiedene Methoden zur Verfügung: der k-Means-Algorithmus mit Varianten wie Lloyd oder MacQueen, der k-Medoids-Algorithmus sowie hierarchische Clusteranalyse mit unterschiedlichen Distanzmaßen und Fusionierungsalgorithmen. Ein besonderer Fokus liegt dabei auf dem Unsupervised Learning, einem Bereich der Künstlichen Intelligenz (KI), bei dem Algorithmen Muster und Strukturen in unbeschrifteten Daten selbstständig erkennen. Zur Bestimmung der "optimalen" Clusterzahl k sind zudem Visualisierungen des Elbow Plots (Ellenbogendiagramms), des Average Silhouette Plots (ASW-Kurve) sowie des Dendrogramms integriert.
  • Zeitschriftenartikel
    Den k-Means-Algorithmus verstehen: Mit Stift & Papier und BlueJ
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 1, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    Dieser Praxisbeitrag stellt unterrichtliche Aktivitäten vor, um den k-Means-Algorithmus einzuführen und ihn anschließend in BlueJ zu implementieren. Anhand eines Beispieldatensatzes mit Fundkoordinaten von Pilzen können sich die Schülerinnen und Schüler die Funktionsweise des k-Means-Algorithmus selbst erschließen. Der Datensatz ist zweidimensional und klein genug, um den Algorithmus mit Stift und Papier in angemessener Zeit zu erarbeiten. Anschließend kann der Algorithmus in der den Schülerinnen und Schülern sowie Lehrkräften bekannten Umgebung BlueJ programmiert und das Ergebnis durch Einlesen einer csv-Datei mit den vorher verwendeten Fundkoordinaten verifiziert werden.
  • Konferenzbeitrag
    Ein k-Means-basierter Algorithmus zur Bestimmung der optimalen Position eines Anhängers zur Heuballenbergung
    (42. GIL-Jahrestagung, Künstliche Intelligenz in der Agrar- und Ernährungswirtschaft, 2022) Harbers, Jens
    In dieser Arbeit wird ein Algorithmus vorgestellt, der einzelne Ballen zu Gruppen sortiert, sodass diese in einer Tour vom Feld geholt werden können. Dieser basiert auf dem k-Means-Algorithmus, welcher mit weiteren Nebenbedingungen zur Optimierung nach den Kriterien der kleinsten Wegstrecke und der maximalen Ladekapazität in Stückguteinheiten des Anhängers fähig ist und den klassischen k-Means-Algorithmus erweitert. Der Algorithmus weist in der Simulationsstudie jedem Ballen genau eine Gruppe zu und liefert unter Einhaltung aller Bedingungen für das Optimierungsproblem eine gültige Lösung. Die Abstellkoordinaten für den Anhänger können für die weitere Praxis verwendet werden, dennoch soll der Algorithmus weiter ausgebaut werden, damit weitere Faktoren in die Optimierung einfließen können.