Strukturerkennung und -validierung für probabilistisches Information-Mining von Fernerkundungsdaten

Deses Teilprojekt Beschäftigt Sich MIT der Entwickung and Anwendung von Strukturerkennungs-und Strukturvaldierungsverfahren im Hinblick auf Data-Mining im Fernerkundungsbereich.这是一种现代的方法和方法，但它并不能满足人们的需要，也不能使人乐观。从卫理公会的人那里，我们可以看到，他们并没有从他们的工作中解脱出来，而是从他们的工作中脱颖而出。在Gruppierung von Daten fällt hier z.b.die Segentierung von SAR Bildern order die Strukturierung von Bilddatenbanken.在自动控制机械师的过程中，所有的方法都是正确的，它们的功能都在启发式的机器上运行。从统计理论的角度来看，S是一位伟大的学者，他的理论基础是统计，而不是统计理论，而是一种新的算法。这是一种更广泛的、更广泛的、更广泛的看法。这是一个很重要的问题，因为这是一个很重要的问题，因为它是一个很好的解决方案，它可以帮助我们解决所有的问题。这句话的意思是：“你的直觉是正确的，你的直觉是正确的。”这是一个很好的团队，在费尔纳孔顿的多姆恩费尔纳昆顿和拉森矿业公司工作。这是一种新的技术和方法，也是最新的技术和技术。请允许我为您提供最好的服务。

Dieses Teilprojekt beschäftigt sich mit der Entwicklung und Anwendung von Strukturerkennungs- und Strukturvalidierungsverfahren im Hinblick auf Data-Mining im Fernerkundungsbereich. Ziel ist es, moderne Methoden der Mustererkennung im besonderen Anwendungsfeld der Fernerkundung nutzbar zu machen und gleichzeitig Strategien vorzuschlagen, mit denen die Qualität ihrer Ergebnisse optimiert werden kann. Auf der Methodenseite sind Verfahren vorgesehen, die aus einer großen Menge unstrukturierter Fernerkundungsdaten entweder durch selbständige Gruppierung der Daten oder aber mit vergleichsweise wenigen Vorgaben Struktur inferieren können. Unter Gruppierung von Daten fällt hier z. B. die Segmentierung von SAR Bildern oder die Strukturierung von Bilddatenbanken. Auf der Validierungsseite werden diese Methoden durch automatische Kontrollmechanismen ergänzt, welche die Komplexität der lernbaren Funktionen in nicht-heuristischer Weise von der Datenlage abhängig machen. Den Ausgangspunkt bilden hier Sätze der statistischen Lerntheorie, die es ermöglichen, die mögliche Genauigkeit von Algorithmen zur Strukturvorhersage abzuschätzen und ihr Lernverhalten entsprechend parametrisch zu korrigieren. Sie werden durch Konzepte unterstützt, bei denen die Ergebnisse eines mehrfach probalistisch wiederholten Lernens miteinander verrechnet und geeignet zu einem Gesamtergebnis kombiniert werden, was die Robustheit der Algorithmen deutlich erhöht. Darüber hinaus ist die Entwicklung von Strategien vorgesehen, um eine interaktive Kontrolle des Benutzers zu ermöglichen, durch die in einer wechselseitigen Abfolge aus Strukturvorhersage und Strukturbewertung ein iterativer Lernprozeß mit aus Anwendersicht zufriedenstellenden Resultaten umgesetzt werden kann. Ziel eines solchen interaktiven Prozesses ist die Berücksichtigung und Formalisierung von intuitivem Wissen, das der Anwender normalerweise nicht durch einfache Regeln spezifizieren kann. Es wird erwartet, daß die gewonnen Erkenntnisse in der Domäne Fernerkundung sich gleichfalls auf andere Mining-Szenarien übertragen lassen. D. h. es werden sowohl auf der Mustererkennungsseite neue Strukturerkennungs- und Validierungsmethoden entwickelt, als auch das Zusammenspiel Strukturextraktion, Datenakquisition und Datenverwaltung in einem allgemeinen Sinne näher beleuchtet. Gerade diesem letzten Punkt kommt beim Aufbau einer Referenzarchitektur eine besondere Bedeutung zu.