STARTSEITE  SUCHE  ÜBERSICHT  IMPRESSUM & DATENSCHUTZ
  
 ClusterLIB-Bibliothek: KLASSENBESCHREIBUNG UND KLASSIFIKATION MIT PARTITIO-
 NIERENDEM CLUSTERVERFAHREN
Was Clusteralgorithmen leisten...

Ziel ist es, innerhalb eines Merkmalsraumes verschiedene Klassen zu unterscheiden und beliebige Merkmalsvektoren auf ihre Klassen- zugehörigkeit hin zu untersuchen. Meist sind jedoch die von einer Klasse belegten Gebiete im Merkmalsraum nicht genau bekannt und aufgrund der Merkmalsauswahl von sehr komplexer Gestalt (siehe Beispiel links).

Oft sind Klassen nicht explizit, sondern nur in Form von Beispielvektoren (Samples) gegeben. Dann müssen die Klassengrenzen im Rahmen der Belehrung zunächst aus den Beispieldaten erzeugt werden. Dies leisten Clusteralgorithmen. Als Ergebnis liefern sie eine Überdeckung des Stichprobendatensatzes mit hyperelliptischen Bereichen. Diese Überdeckung wird Partition genannt. Mit Hilfe dieser Partition ist dann eine schnelle und effiziente parametrische Klassifikation durchführbar. Diese Art der generalisierten Klassenbeschreibung ermöglicht außerdem eine effektive Speicherung bei beliebig komplexen Formen.

Die ClusterLIB-Bibliothek

In der ClusterLIB-DLL sind 2 Verfahren zur Erstellung und Optimierung von Partitionen implementiert: die Radiusrestriktionsmethode und das k-Means Austauschverfahren. Durch die Kombination dieser Verfahren werden hinsichtlich Einfachheit und Kompaktheit optimale Partitionierungsergebnisse garantiert. Beide Algorithmen sind robust und einfach zu parametrieren.

Mit Hilfe der für jede Klasse erstellten Partition können anschließend beliebige Merkmalsvektoren klassifiziert werden. Dies geschieht üblicherweise mit einem Minimaldistanzklassifikator anhand der parametrischen Beschreibung der Partition.. Darüber hinaus besteht die Möglichkeit, zusätzlich verfügbares Wissen durch Vergabe von a-priori Wahrscheinlichkeiten für jede Klasse (oder wahlweise auch für einzelne Cluster) ein- zubringen und damit einen Bayes- Klassifikator zu realisieren.

Die DLL wird mit Import-Bibliothek und -Header sowohl für Microsoft VC++ (ab Version 6.0), als auch für Borland C++ (ab Version 5.0) ausgeliefert. Auf diese Weise ist eine einfache Einbindung in Ihr Softwareprojekt möglich.

Das ClusterLIB-Visualisierungs-Tool

Zur Demonstration der ClusterLIB-Funktio- nalität ist mit dem ClusterLIB-Visualisierungs-
Tool
ein interaktiver Partitionseditor Bestandteil des Lieferumfangs, der ein einfaches Visualisieren und Bearbeiten der mit der ClusterLIB-Bibliothek erstellten Partitionen ermöglicht.
Das Programm erlaubt je nach Dimensionalität des Merkmalraumes die Arbeit mit 2D- oder 3D-Ansichten. So ist eine schnelle Kontrolle und nachträgliche Bearbeitung des Partitions- ergebnisses möglich.
Gegebenfalls kann die Partition mit geänderter Parametrierung komplett neu erstellt, oder nur im Detail bearbeitet werden.

Ebenfalls möglich ist die Berechnung und Anzeige statistischer Größen über die gesamte Partition oder auch nur über einzelne Cluster, wie zum Beispiel Clustermittelpunkte, Kovarianzmatrizen und Korre-
lationsmatrizen.

Darüber hinaus ist neben dem Laden und Speichern erstellter oder bearbeiteter Partitionen optional auch eine Importfunktion verfügbar, mit deren Hilfe sich vorklassifizierte Sampledaten zur Belehrung leicht aus ver- schiedenen Programmen (zum Beispiel auch Microsoft Excel) ohne großen Aufwand übernehmen lassen.

  zurück

Unser Angebot:
ClusterLIB - Bibliothek: Verfahrenssammlung zur Beschreibung und parametrischen Klassifikation in beliebig dimensionalen Merkmalsräumen mittels partitionierender Clusteranalyse
Überblick
  • Bibliotheksmodul: Dynamic Link Library (DLL)
  • Visulisierungstool: Programmdatei (EXE)
  • Betriebssystem: Windows-Versionen auf PC ab Windows® 98bis einschließlich Windows 7
  • Entwicklungsumgebungen: Microsoft-VC++ ab Version 6.0, Borland-C++ ab Version 5.0
Features der Bibliothek:
  • Partitionierung vorklassifizierter Samples mittels parametrierbarer, leistungsfähiger Clusteralgorithmen
  • leicht bedienbare und flexible Schnittstelle (API)
  • Erstellung von Partitionen beliebiger Größe und Dimension
  • Speichern und Laden von Partitionen
  • Schnelle Klassifikation von Merkmalsvektoren
Features des ClusterLIB-Visualisierungstools:
  • Visualisierung von Samples und Partitionen in 2D und 3D
  • Schnelle interaktive Bearbeitung und Optimierung
  • Datenimport aus verschiedenen Quellformaten
Sonstiges:
  • PDF-Handbuch mit weiterführenden Informationen und Quelltextbeispielen
  • Entwicklerlizenz zur uneingeschränkten Nutzung für 60 Tage (weitere Infos zum Erwerb permanenter Lizenzen siehe Preisliste)
Unser Angebotsflyer
Unsere Preisliste

Ihr Kontakt:
Dr.-Ing. Rico Nestler
Tel.: 03677-689768-5
Fax: 03677-689768-2
E-Mail: Rico.Nestler@ZBS-Ilmenau.de
Seitenanfang  © ZBS e.V. - Kompetenz in Signal- und Bildverarbeitung Datenschutzbeftr. / Webmaster
designed by paragram.de