Logo des Repositoriums
 

Bias, Effizienz und Hubness: Herausforderungen in der Anwendbarkeit von Metriken

dc.contributor.authorTaha, Abdel Aziz
dc.contributor.editorHölldobler, Steffen
dc.date.accessioned2017-09-22T20:47:27Z
dc.date.available2017-09-22T20:47:27Z
dc.date.issued2015
dc.description.abstractMetriken spiegeln die Ähnlichkeiten bzw. Unterschied zwischen Objekten in Merkmal- räumen wider. Es gibt in dieser Hinsicht drei Hauptprobleme: Erstens existieren hunderte von Me- triken, die verschiedene Aspekte der Ähnlichkeit berücksichtigen, was den Bedarf an einer formalen Auswahlmethodik für Metriken motiviert. Für dieses Problem präsentieren wir eine detaillierte Analyse von 20 Metriken und präsentieren eine neue formale Methode für Metrikauswahl vor. Zweitens gibt es rechenintensive Metriken, deren ineffiziente Laufzeit in Verbindung mit großen Objekten ein Problem darstellt. Wir schlagen einen neuen beinahe zeit-linearen Algorithmus zur Be- rechnung der exakten Hausdorff-Distanz zwischen beliebigen Punktwolken vor. Drittens taucht in hoch-dimensionalen Featurespaces eine Kategorie von Schwierigkeiten auf, die als curse of dimensionality bekannt ist. Eine dieser Schwierigkeiten ist Hubness. Wir präsentieren eine neue Erklärung für die Ursache von Hubness, die auf einem neuen Modell der Distanzstruktur in hoch dimensionalen Datenräumen beruht. Auf Grundlage dieser Erklärung leiten wir einen Schätzer für Hubness ab, bzw. schlagen wir Verfahren zur Verringerung von Hubness vor.de
dc.identifier.isbn978-3-88579-975-7
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/4591
dc.language.isode
dc.publisherGesellschaft für Informatik
dc.relation.ispartofAusgezeichnete Informatikdissertationen 2015
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Dissertations, Volume D-16
dc.titleBias, Effizienz und Hubness: Herausforderungen in der Anwendbarkeit von Metrikende
gi.citation.endPage298
gi.citation.publisherPlaceBonn
gi.citation.startPage289

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
289.pdf
Größe:
127.67 KB
Format:
Adobe Portable Document Format