Klassifikation von Mustern

4.11. LITERATURHINWEISE 455
Niemann, 1979, Niemann, 1980, Olsen und Fukunaga, 1973, Sammon, 1969, Sammon, 1970,
Shepard, 1962, Yin, 2002] untersucht; eine umfassende Darstellung gibt [Cox und Cox, 2001].
Verschiedene Ansätze zur Analyse von Häufungsgebieten (“cluster analysis”) enthalten
[Ball und Hall, 1967, Bezdek, 1980, Chen, 1973, Dunn, 1974, Fromm und Northouse, 1976,
Koontz und Fukunaga, 1972, MacQueen, 1967, Mizoguchi und Shimura, 1976,
Ney und Kuhn, 1980, Niemann, 1978, Rabiner et al., 1979, Schroeter und Bigün, 1995,
Stepp und Michalski, 1986, Tarsitano, 2003, Yang und Wu, 2004], umfassende Darstellungen
geben [Anderberg, 1973, Bock, 1974, Godehardt, 1990, Jain und Dubes, 1988,
Niemann, 1974, Patrick, 1972, Tryon und Bailey, 1970, Tsypkin, 1973]. Ein häufig genutzter
Typ von Algorithmen sind die “k- und c-means” Algorithmen [Bezdek, 1980, Clausi, 2002,
Kan und Srinath, 2002, Pal und Bezdek, 1995, Pal et al., 2005, Tarsitano, 2003].
Die Gewichtung von Merkmalen wird in [Chana und Chinga, 2004,
Frigui und Nasraoui, 2004, Girolami, 2002a, Yeung und Wang, 2002] vorgenommen. Ansätze,
die auf vagen Mengen (“fuzzy sets”, s. [Zadeh, 1965, Zadeh, 1988]) beruhen,
werden in [Bezdek, 1981, Bezdek und Pal, 1992, Dunn, 1974, Hall und Bensaid, 1992,
Hopper, 1999, Lim und Lee, 1990, Pal et al., 2005] beschrieben, zu ihrer Konvergenz wird
auf [Bezdek, 1980] verwiesen. Auch kernbasierte Verfahren (s. Abschnitt 3.8.3) wurden
vorgeschlagen [Girolami, 2002a]. Die RENYI-Entropie wurde in [Renyi, 1960] eingeführt;
die Minimierung des informationstheoretisch begründeten nichtparametrischen Abstandsmasses
(4.8.44) folgt [Gokcay und Principe, 2002]; das Informationspotential (4.8.39) wird
in [Principe et al., 2000] genauer untersucht. Die Möglichkeit der Einbettung von Ähnlichkeitsdaten
in einen Vektorraum wird in [Roth et al., 2003] gezeigt. Ein auf “boosting” basierender
Ansatz wird in [Frossyniotis et al., 2004] entwickelt.
Graphentheoretische Verfahren werden in [Augustson und J. Minker, 1970,
Godehardt, 1990, Koontz et al., 1976, Shapiro und Haralick, 1979, Zahn, 1971] entwickelt;
zur Konstruktion des Minimalbaumes wird auf [Cheriton und Tarjan, 1976, Dijkstra, 1959,
Gower und Ross, 1969, Kruskal, 1956, Prim, 1957] verwiesen. Die Konstruktion von Klassenhierarchien
(und damit zusammenhängend Ultrametriken) wird ausführlich in [Bock, 1974]
beschrieben. Die Entropie der Merkmale wird in [Hero et al., 2002] zur Konstruktion des
Minimalbaumes verwendet.
Auch die Vektorquantisierung (s. Abschnitt 2.1.4) sowie einige neuronale Netze (s. Abschnitt
4.5.4 und [Kohonen, 1982, Hall und Bensaid, 1992]) erlauben die unüberwachte Bildung
von Klassen.
Das Gebiet des „Data Mining“ brachte neben traditionellen auch einige Algorithmen,
die speziell auch für große Datenbestände anwendbar sind [Asharaf und Murty, 2003,
Ganti et al., 1999, Han und Kambler, 2001, Kantardzic, 2003, Pujari, 2001].
Klassifikation und Lokalisation von Objekten
Eine Übersicht über die stochastische Modellierung von Objekten gibt [Hornegger et al., 1999],
die Verwendung von Histogrammen wird in [Schiele und Crowley, 1996b,
Schiele und Crowley, 1996a, Schiele und Crowley, 2000] untersucht. Zur Definition
und Berechnung von Histogrammabständen wird auch auf [Cha und Srihari, 2002b,
Hafner et al., 1995, Morovic et al., 2002, Rubner et al., 2000, Serratosa und Sanfeliu, 2006]
verwiesen (in [Rubner et al., 2000] wird der „earth mover’s distance“ eingeführt). Die Ansätze
aus Abschnitt 4.9.3 werden in [Pösl, 1999, Reinhold, 2003] genauer dargestellt, insbesondere
auch die Schätzgleichungen für die unbekannten Parameter.