OPUS


Erweiterung von Generalized [Relevance|Matrix] LearningVector Quantization zur Anwendung auf funktionale Daten

  • In dieser Arbeit werden die Verfahren GLVQ und GRLVQ mit der Sobolev-Metrik erweitert und an verschiedene Datensätze mit funktionalen Daten getestet. Außerdem wird ein Ansatz vor-gestellt, die Prototypen durch Überlagerungen von Basisfunktionen darzustellen. Dieser Ansatz wird zusätzlich noch auf den GMLVQ angewendet. Hierfür betrachtete man die Gaußfunktio-nen und Sigmoidfunktionen als Basisfunktionen. Dabei wurden mit der Sobolev-Metrik sehr gute Resultat erzielt.

Download full text files

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Christian Harth
URN:urn:nbn:de:bsz:mit1-opus-24121
Document Type:Master's Thesis
Language:German
Year of Completion:2012
Publishing Institution:Hochschule Mittweida
Release Date:2012/11/14
GND Keyword:Algorithmus; Maschinelles Lernen; Überwachtes Lernen
Institutes:03 Mathematik / Naturwissenschaften / Informatik
Access Rights:Frei zugänglich
Licence (German):License LogoEs gilt das UrhG

$Rev: 13581 $