Skip to main content
SpringerLink
Log in
Book cover

Hybride Optimierung für Dimensionsreduktion

Unüberwachte Regression mit Gradientenabstieg und evolutionären Algorithmen

  • Book
  • © 2015

Overview

Authors:
  1. Daniel Lückehe

    1. Universität Oldenburg, Oldenburg, Germany

    View author publications

    You can also search for this author in PubMed   Google Scholar

  • Wissenschaftlich-technische Studie
  • Includes supplementary material: sn.pub/extras

Part of the book series: BestMasters (BEST)

This is a preview of subscription content, log in via an institution to check access.

Access this book

Log in via an institution
eBook USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Other ways to access

Licence this eBook for your library

Institutional subscriptions

Table of contents (6 chapters)

  1. Front Matter

    Pages I-VIII
    Download chapter PDF

  2. Motivation

    • Daniel Lückehe
    Pages 1-10

  3. Unüberwachte Regression

    • Daniel Lückehe
    Pages 11-27

  4. Unüberwachte Kernel- Regression

    • Daniel Lückehe
    Pages 29-51

  5. Gradientenabstieg

    • Daniel Lückehe
    Pages 53-68

  6. Variable Kernel-Funktion

    • Daniel Lückehe
    Pages 69-80

  7. Fazit und Ausblick

    • Daniel Lückehe
    Pages 81-83

  8. Back Matter

    Pages 85-99
    Download chapter PDF
Back to top

Keywords

About this book

In der Arbeit von Daniel Lückehe wird ein neues hybrides Verfahren zur Dimensionsreduktion methodisch erarbeitet, analysiert und durch experimentelle Tests mit vorhandenen Methoden verglichen. Hochdimensionale Daten, häufig zusammengefasst unter dem Begriff „Big Data“, liegen heutzutage in vielen Bereichen vor. Darunter fallen beispielsweise visuell erfasste Informationen, in denen Muster erkannt werden sollen, Anwendungen im medizinischen Bereich sowie Daten aus dem Gebiet der Astronomie. Eine Dimensionsreduktion kann dabei helfen, Informationen aus großen, hochkomplexen Datensätzen zu gewinnen und diese besser verarbeiten zu können. So können Daten beispielsweise auf einen zweidimensionalen Raum abgebildet und somit für den Menschen visuell erfassbar werden.

Authors and Affiliations

  • Universität Oldenburg, Oldenburg, Germany

    Daniel Lückehe

About the author

Daniel Lückehe hat nach seiner Ausbildung zum Fachinformatiker und seinem dualen Studium zum Bachelor of Engineering ein Masterstudium an der Universität Oldenburg absolviert. Aktuell arbeitet er an seiner Doktorarbeit im Promotionsprogramm „Systemintegration Erneuerbarer Energien“.

Bibliographic Information

Publish with us

Policies and ethics

Back to top

Search

Navigation