Classification and aggregation of sets of feature vectors

Abstract

In vielen Problemstellungen der Mustererkennung sind Darstellungen von Dateneinheiten, wie z.B. einem Bild, als Menge von Merkmalsvektoren zielführend. Diese auf Teilen basierende Repräsentation als Menge lokaler Merkmale (Features) verunmöglicht die Verwendung von vielen herkömmlichen, gut entwickelten Klassifikationsmethoden. Diese Problematik legt den Ansatz nahe, Mengen von Merkmalsvektoren zu Vektoren fixer länge zu aggregieren.<br />Motivation und Ziel der entwickelten Klassifikationsprozedur ist die Modellierung der Beurteilung standardisierter Bilder durch einen Experten mittels überwachtem Lernen.<br />Der praktische Schwerpunkt der Arbeit liegt auf der Evaluierung von Aggregationen und Modellierung der Mengen von Merkmalsverktoren anhand eines Datensatzes aus der Qualitätskontrolle. Die Aggregation der Features erfolgt mittels Maßzahlen aus der deskriptiven Statistik. Mit Methoden der Merkmalselektion (Feature Selection) weden relevante Untermengen dieser Aggregationen gesucht und mit einer Auswahl von Klassifikationsmethoden getestet. Der Ansatz wird an Bilddaten aus der Qualitätskontrolle erprobt und diskutiert.