Implementation und Komplexitätsanalyse von Learning Vector Quantization in Dynamic Time Warping Räumen
- Learning Vector Quantization ist ein Klassifikator, der in seiner Urform im euklidischen Raum lernt. Für Zeitreihendaten benötigt es ein gesondertes Distanzmaß, nicht nur wegen der Relation der Zeitpunkte untereinander, sondern auch wegen der unterschiedlichen Längen dieser Zeitreihendaten. Als solches Distanzmaß wird Dynamic Time Warping eingesetzt. Diese Arbeit untersucht die Implementierung und dessen Zeit- und Raumkomplexität.
| Author: | Thomas Davies |
|---|---|
| Advisor: | Thomas Villmann, Marika Kaden |
| Document Type: | Bachelor Thesis |
| Language: | German |
| Year of Completion: | 2021 |
| Granting Institution: | Hochschule Mittweida |
| Release Date: | 2023/08/22 |
| GND Keyword: | Vektor; Lernendes System; Zeitreihe |
| Institutes: | Angewandte Computer‐ und Biowissenschaften |
| DDC classes: | 006.31 Maschinelles Lernen |
| Open Access: | Innerhalb der Hochschule |
| Licence (German): |  Urheberrechtlich geschützt |
