Objekt-Metadaten
Objective function based fuzzy clustering in air traffic management

Autor :Annette Keller
Herkunft :OvGU Magdeburg, Fakultät für Informatik
Datum :08.11.2002
 
Dokumente :
Dataobject from HALCoRe_document_00006743
anekeller.pdf ( 8213  kB)    ZIP generieren   Details >>
 
Typ :Dissertation
Format :Text
Kurzfassung :Ein wichtiger Teil der Datenanalyse ist die Unterteilung von vorgegebenen Daten in Gruppen. Den sogenannten Clusterverfahren liegen mathematische Modelle zu Grunde, die einen Ähnlichkeitsbegriff füur die Einteilung der Daten definieren. Fuzzy-Clustering Verfahren ermöglichen nicht nur die Unterteilung der Daten in eine bestimmte Anzahl von Gruppen, sondern bestimmen für jedes einzelne Datum zu jeder Gruppe einen Zugehörigkeitsgrad. Spricht man von "Objective Function based Fuzzy Clustering", so lässt sich das zu Grunde liegende mathematische Modell in Form einer Bewertungsfunktion beschreiben. Diese Bewertungsfunktion beurteilt die Einteilung der Daten in Teilgruppen unter Berücksichtigung der Zugehörigkeitsgrade und des verwendeten Distanz- bzw. Ähnlichkeitsmaßes. Die Nebenbedingungen, die bei der Berechnung der Zugehörigkeitsgrade berücksichtigt werden, führen zu verschiedenen Clusteringkonzepten. Wenn die Bewertungsfunktion differenzierbar ist, lassen sich über die partiellen Ableitungen notwendige Bedingungen für die Zugehörigkeitsgrade und die anderen Parameter des Clusterverfahrens ermitteln, die für das Distanz- bzw. Ähnlichkeitsmaß verwendet werden. Diese notwendigen Bedingungen werden als Berechnungsvorschriften benutzt, um die Bewertungsfunktion zu optimieren. In dieser Arbeit werden das probabilistische, possibilistische und noise Fuzzy-Clustering Konzept vorgestellt. Dabei handelt es sich um bekannte Bewertungsfunktionen, die mit einer Reihe von Distanz- oder Ähnlichkeitsmaßen kombiniert werden können. Die Grenzen und Probleme dieser Verfahren haben zu der Entwicklung eines neuen Fuzzy-Clusteringkonzeptes geführt, das ebenfalls mit unterschiedlichsten Distanzmaßen kombiniert werden kann. Mit diesem neuen Verfahren lässt sich mit einem der auftretenden Probleme - die Handhabung von Meßfehlern oder Ausreißern innerhalb der Daten - besser umgehen. Bisher werden in Kombination mit den Bewertungsfunktionen im wesentlichen die euklidische und die transformierte euklidische Distanz verwendet. Hier werden neue Techniken vorgestellt, mit denen die bekannten Verfahren erweitert und ihnen mehr Flexibilität verliehen werden kann. Die Basisfunktionen werden so modifiziert, dass sich die Clusterverfahren besser an die Struktur der einzelnen Teilgruppen anpassen können. Die einzelnen Cluster können sich dann z.B. an die Form, die Größe, den Einfluss einzelner Attribute oder den Einfluss einer ganzen im Kontext zusammengefassten Gruppe von Attributen anpassen. Am Beispiel der Analyse von Flugradardaten wird deutlich, wie wichtig eine Anpassung der Clustergröße und -form sein kann. Die Gruppierung von Daten anhand des Vergleichs von Attributgruppen ist besonders für die Bildverarbeitung von Bedeutung. Dabei geht es häufig darum, ähnliche Regionen zu erkennen, wie anhand eines Bildes des Forschungsflugzeuges "ATTAS" des Deutschen Zentrums für Luft- und Raumfahrt e.V.\ demonstriert wird. Ein Anwendungsgebiet der Fuzzy-Clustering Verfahren ist die Beschreibung eines Systemverhaltens in Form von Fuzzy-Regeln. Möglichkeiten, aus Clustereinteilungen und den dabei berechneten Zugehörigkeitsgraden Fuzzy-Regeln abzuleiten, werden in dieser Arbeit erläutert.
Schlagwörter :Datenanalyse, Fuzzy Clusteranalyse, Fuzzy Regeln, Luftverkehrsmanagement
Rechte :Dieses Dokument ist urheberrechtlich geschützt.
Größe :244 S.
 
Erstellt am :15.04.2009 - 12:03:13
Letzte Änderung :22.04.2010 - 08:32:58
MyCoRe ID :HALCoRe_document_00006743
Statische URL :http://edoc.bibliothek.uni-halle.de/servlets/DocumentServlet?id=6743