Bachelorarbeit - Lehrstuhl für Künstliche Intelligenz der Universität ...

ai.cs.uni.dortmund.de

Bachelorarbeit - Lehrstuhl für Künstliche Intelligenz der Universität ...

5.2. VERSUCHSAUFBAU 31

gen der Klassifizierungsalgorithmen durch Ausprobieren optimiert. Im folgenden werden

die verwendeten Klassifizierer gelistet und kurz vorgestellt:

• k-NN

Der k-NN- oder k-Nächste-Nachbarn-Algorithmus entscheidet, zu welcher Klasse ein

Objekt gehört, indem die k Objekte analysiert werden, die im Raum am nächsten

zum dem Objekt liegen. Das Objekt wird der Klasse zugewiesen, welche unter

den k nächsten Nachbarn am häuftigen vertreten ist. k ist dabei ein frei wählbarer

Paramter.

• Support Vector Machine

Die Support Vector Machine für Klassifikation arbeitet ähnlich wie die SVM zum

Clustering (siehe Kapitel 2.3).

• Naive Bayes

Die Naive Bayes Klassifikation entscheidet, zu welcher Klasse ein Objekt gehört,

indem es die Wahrscheinlichkeiten vergleicht, mit denen ein Objekt einer Klasse

angehören könnte. Die Klasse, zu der das Objekt am wahrscheinlichsten gehört,

wird dem Objekt schließlich zugeordnet.

• Descision Tree

Bei der Klassifikation per Entscheidungsbaum, liegt ein Baum vor, dessen Blätter

Klassen repräsentieren. Jede Abzweigung beschreibt Werte eines Attributes. Um

ein Objekt zu Klasifizieren wird bei dem Wurzelknoten angefangen und jeweils die

Abzweigung gewählt, die bei dem Objekt zutrift. So gelangt man zwangsläufig zu

einer Klasse im Blattknoten, die dem Objekt zugeordnet wird.

5.2.2 Konfigurationen

Es wurden drei Parameter zur Konfiguration der Experimente gewählt.

• 6 Datensätze

• 4 Klassifizierer

• 2 Operatoren-Setups

Jeder Datensatz enthält Meßdaten eines anderen Sensors der Stahlwalze. Diese wurden

mit allen vier Klassifizierern, Naive Bayes, Support Vector Machine, k-NN und Decision

Tree, kombiniert. Zuletzt wurde jedes Experiment mit den neu integrierten Symbolisierungsverfahren

und ohne durchgeführt. Dadurch kommt man auf 48 verschiedene Experimente.

Weitere Magazine dieses Users
Ähnliche Magazine