Automatische Erkennung von Zuständen in Anthropomatiksystemen
Abstract:
In dieser Arbeit werden adaptive Methoden zur Analyse von Anthropomatikdaten entwickelt. Zielsetzung ist die automatische Erkennung von Systemzuständen mit Hidden-Markov-Modellen.
Anwendungsbeispiele sind Bohrgeräusche aus der Wirbelsäulenchirurgie, medizinische Ultraschallbilder und menschliche Bewegungsdaten. Neben dem Vergleich mit anderen Klassifikationsverfahren werden Merkmalsgenerierung, geeignete Modellstrukturen, Optimierung der Zustände und Aspekte der Implementierung besprochen.
Anwendungsbeispiele sind Bohrgeräusche aus der Wirbelsäulenchirurgie, medizinische Ultraschallbilder und menschliche Bewegungsdaten. Neben dem Vergleich mit anderen Klassifikationsverfahren werden Merkmalsgenerierung, geeignete Modellstrukturen, Optimierung der Zustände und Aspekte der Implementierung besprochen.
| Zugehörige Institution(en) am KIT | Fakultät für Informatik – Institut für Algorithmen und Kognitive Systeme (IAKS) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2006 |
| Sprache | Deutsch |
| Identifikator | ISBN: 3-86644-068-5 urn:nbn:de:0072-50254 KITopen-ID: 1000005025 |
| Verlag | Universitätsverlag Karlsruhe |
| Umfang | XIV, 201 S. |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Informatik (INFORMATIK) |
| Institut | Fakultät für Informatik – Institut für Algorithmen und Kognitive Systeme (IAKS) |
| Prüfungsdaten | 20.12.2005 |
| Schlagwörter | Adaptive Signalverarbeitung, Bildverarbeitung, Tumorklassifikation, Automatische Klassifikation , Bewegungsanalyse, Hidden-Markov-Modell, Ultraschall |
| Nachgewiesen in | OpenAlex |
| Referent/Betreuer | Dillmann, R. |