Machine learning techniques that can be used in time-series classification are presented and developed. An expression for the kernel in the Random-Forest (RF) classification algorithm is found and used to design interpretable Generalized Radial Basis Function (GRBF) classifiers. For time-series classification the RF must be changed to the so called Scenario-Based-Random-Forest (SBRF) algorithm and the usage of the GRBF classifier requires the division of the task into a segmentation and a labeling step. A great advantage of the SBRF algorithm is its suitability for feature selection. The main application in the work is the crash-classification task in car accidents. Hereby, safety systems like belt tensioners or airbags must be deployed at correct time instances.    «

Machine learning techniques that can be used in time-series classification are presented and developed. An expression for the kernel in the Random-Forest (RF) classification algorithm is found and used to design interpretable Generalized Radial Basis Function (GRBF) classifiers. For time-series classification the RF must be changed to the so called Scenario-Based-Random-Forest (SBRF) algorithm and the usage of the GRBF classifier requires the division of the task into a segmentation and a labeli...    »

Es werden Maschinenlernverfahren vorgestellt und entwickelt, die bei der Klassifikation von Zeitreihen Verwendung finden. Dabei wird ein Ausdruck für den Kernel im Random-Forest (RF) Klassifikationsalgorithmus bestimmt, der verwendet wird um interpretierbare Generalisierte Radiale Basis-Funktion (GRBF) Klassifikatoren zu entwerfen. Für die Zeitreihenklassifikation muss der RF zu dem so genannten Scenario-Based-Random-Forest (SBRF) Algorithmus weiterentwickelt werden und die Verwendung des GRBF Klassifikators erfordert die Aufteilung der Aufgabe in einen Segmentierungs- und einen Klassenzuordnungs-Schritt. Ein großer Vorteil des SBRF Algorithmus ist dessen Eignung für die Merkmalsselektion. Als Anwendung für die vorgestellten Maschinenlernverfahren dient die Aufgabe der Crash-Klassifikation bei Fahrzeugunfällen. Dabei müssen Rückhaltesysteme wie z.B. Gurtstraffer oder Airbag zum richtigen Zeitpunkt ausgelöst werden.    «

Es werden Maschinenlernverfahren vorgestellt und entwickelt, die bei der Klassifikation von Zeitreihen Verwendung finden. Dabei wird ein Ausdruck für den Kernel im Random-Forest (RF) Klassifikationsalgorithmus bestimmt, der verwendet wird um interpretierbare Generalisierte Radiale Basis-Funktion (GRBF) Klassifikatoren zu entwerfen. Für die Zeitreihenklassifikation muss der RF zu dem so genannten Scenario-Based-Random-Forest (SBRF) Algorithmus weiterentwickelt werden und die Verwendung des GRBF K...    »