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...
»