This thesis describes the integration of the geometry aware sparse grids into the datamining pipeline of the SG++ framework. The datamining pipeline is used to make SG++ easier available and fasten the process of using the framework. Geometry aware sparse grids have a great use in image classification and therefore this thesis is additionally about creating a mobile application that classifies hand drawn numbers using this kind of sparse grids. For this to be done the trained data had to be exported from SG++ and then imported again into the application. Also the evaluation method for sparse grids was implemented into the application. This new evaluation method is then validated by comparing it to the evaluation method of SG++. The outcome of the validation resulted in a high deviation for random datasets and very low deviation for relevant datasets. The high deviation for random datasets can be neglected, since it has no use case in the user application. Finally the application was tested for numbers 0, 2 and 6 with various relevant datasets to calculate the accuracy of the implementation. The tests have shown that by following certain rules while drawing the numbers into the application an average accuracy of 90% could be observed.     «

This thesis describes the integration of the geometry aware sparse grids into the datamining pipeline of the SG++ framework. The datamining pipeline is used to make SG++ easier available and fasten the process of using the framework. Geometry aware sparse grids have a great use in image classification and therefore this thesis is additionally about creating a mobile application that classifies hand drawn numbers using this kind of sparse grids. For this to be done the trained data had to be expo...     »

Diese Arbeit befasst sich mit der Integration der geometrisch bewussten Dünngitter in die Datmining Pipeline der SG++ Toolbox. Die Datamining Pipeline hat den Nutzen die Verwendung der SG++ Toolbox zugänglicher und schneller zu gestalten. Geometrisch bewusste Dünngitter haben einen großen Nutzen in der Klassifizierung von Bildern, deswegen befasst sich diese Arbeit auch mit der Entwicklung einer mobilen Anwendung, die handschriftlich gezeichnete Nummern klassifiziert unter Verwendung eines solchen Dünngitters. Um das zu erreichen müssen die trainierten Daten aus SG++ exportiert und wieder in die Anwendung importiert werden. Zudem musste die Auswertungsfunktion der Dünngitter in die Anwendung implementiert werden. Diese neue Auswertungsfunktion wird dann validiert, indem sie mit der Auswertungsfunktion von SG++ verglichen wird. Das Resultat dieser Validierung ergab eine sehr hohe Abweichung für zufällige Datensätze und eine sehr geringe Abweichung für relevante Datensätze. Die hohe Abweichung für zufällige Datensätze kann jedoch vernachlässigt werden, da diese keinen Anwendungsfall in der Benutzeranwendung finden. Schließlich wurde die Anwendung an verschiedenen relevanten Datensätzen für die Nummern 0, 2 und 6 getestet, um die Genauigkeit der Implementation zu berechnen. In den Tests konnte eine durchschnittliche Genauigkeit von 90% beobeachtet werden, unter Einhaltung bestimmter Regeln während dem Zeichnen der Nummern in die Anwendung.     «

Diese Arbeit befasst sich mit der Integration der geometrisch bewussten Dünngitter in die Datmining Pipeline der SG++ Toolbox. Die Datamining Pipeline hat den Nutzen die Verwendung der SG++ Toolbox zugänglicher und schneller zu gestalten. Geometrisch bewusste Dünngitter haben einen großen Nutzen in der Klassifizierung von Bildern, deswegen befasst sich diese Arbeit auch mit der Entwicklung einer mobilen Anwendung, die handschriftlich gezeichnete Nummern klassifiziert unter Verwendung eines solch...     »