Beitrag zur Variablenselektion und Mustererkennung bei zeitveränderlichen Transmissionsspektren

Durch die methodische Verwandtschaft mit der Sprachsignalverarbeitung sind in dervorliegenden Reihe schon mehrere Bände erschienen, in denen die Mustererkennung aufnichtsprachliche Probleme angewendet wird. In diesem Buch werden klassische Methodenzur Klassifikation sowie der Variablenselektion und -reduktion analysiert und hinsichtlichihrer Anwendbarkeit auf spektroskopische Daten untersucht. SpektroskopischeDaten zeichnen sich durch eine große Anzahl untereinander hoch korrelierter Variablenaus, was für viele Ansätze ein Problem darstellt.Auf Basis der gewonnenen Erkenntnisse wurde ein rekursives Transformationsverfahren(RTV) zur Variablenselektion entwickelt und mit bekannten Methoden verglichen. Dieseslässt sich direkt auf mehrdimensionale Daten mit hoher Kollinearität anwenden. Fürlinear trennbare Zweiklassenprobleme liefert es schnell eine gewünschte Anzahl vonVariablen, die signifikant zur Klassentrennung beitragen. Des Weiteren kann es ebenfallszur Prototypenselektion verwendet werden.Den praktischen Hintergrund der Arbeit bildet eine Problemstellung aus der Geflügelwirtschaft.In der Legehennenproduktion werden jährlich über 50 Millionen männlicheEintagsküken getötet. Die Geschlechtsbestimmung im Ei soll eine Alternative bieten.Ein Verfahren verwendet Transmissionsspektren als Basis für die Klassifikation als Henneoder Hahn. Dabei ist neben einer fehlerarmen Zuordnung ein Rückschluss auf charakterischespektrale Bereiche wünschenswert.Doreen Göhler studierte von 2008 bis 2012 an der Hochschule für Technik und WirtschaftDresden (HTW) Informationstechnik. Seit 2012 arbeitet sie als Entwicklungsingenieurinfür die Evonta-Technology GmbH im Bereich der Bildverarbeitung und Mustererkennung.Von 2015 bis 2018 entstand die Dissertation im Arbeitsumfeld und Rahmeneines kooperativen Promotionsverfahrens zwischen der TU Dresden und der HTW.