Automatische Klassifizierung

Die automatische Klassifikation steht im Gegensatz zur manuellen Klassifizierung, bei der die zu klassifizierenden Objekte aufgrund ihrer Merkmale von Menschen manuell kategorisiert oder in Klassen eingeteilt werden. In technischen Prozessen soll durch eine maschinelle, automatische Klassifikation eine Kategorisierung von Objekten ohne menschliche Hilfe erreicht werden. Prinzipiell kann die automatische Klassifizierung genauer und schneller als die manuelle Klassifizierung erfolgen. Somit ist die automatische Klassifikation ein fundamentales Verfahren für eine Reihe von technischen Systemen und Anwendungen. Beispiele für die automatische Klassifikation sind das Sortieren von Ausschuss durch Maschinen, das computergestützte Kartografieren und die Zuordnung von Dokumenten im Dokumentenmanagement zu Dokumentenklassen.

Oft wird Clusteranalyse als gleichwertig zur automatischen Klassifikation angesehen. Es gibt hier aber ein paar subtile Unterschiede: in der Clusteranalyse liegt der Augenmerk darauf, zuvor unbekannte Strukturen möglichst akkurat zu erfassen, während bei der automatischen Klassifikation der Augenmerk darauf liegt, die gefundene Struktur gut auf weitere Instanzen verallgemeinern zu können. Ein Clusteranalyse-Verfahren wie der k-Means-Algorithmus ist dafür beispielsweise gut geeignet, aber viele fortgeschrittene Clusteranalyse-Verfahren können nicht einfach in einen Klassifikator umgewandelt werden. Dies führt oft zu Missverständnissen zwischen diesen Teildisziplinen.

Siehe auch: Mustererkennung, Klassifikator (Informatik), Klassifikationsverfahren (Starke Überschneidung mit diesem Artikel)


Zur Klassifikation gibt es verschiedene Mittel:

Inhaltsverzeichnis

Arten der Klassifizierung

Siehe auch: Clusteranalyse

Hinweis: Wenn im Folgenden von Pixeln und Reflexion gesprochen wird, handelt es sich dabei um die Analyse von Satellitenbildern. Das ist nur eine mögliche Anwendung von Clusteringverfahren!

automatische Klassifizierung

Bei der automatischen Klassifikation werden Bildpunkte als so genannte Cluster von einem Computersystem anhand der automatischen statistischen Auswertung aus Primärdaten ohne weitere Informationen in verschiedenen Reflexionsgraden gebündelt. Der Vorteil liegt darin, dass in relativ kurzer Zeit alle möglichen Klassifizierungen (Klassen) erkannt werden. Daher wird die automatische Klassifizierung oft der überwachten automatischen Klassifikation vorgeschaltet.

überwachte automatische Klassifikation

Die überwachte automatische Klassifikation arbeitet ebenfalls mit Clustern, die aber durch den Bildauswerter anhand weiterer Informationen über das zu klassifizierende Gebiet gebildet werden und die Grundlage für die automatische Erkennung bilden.

Der Vorteil liegt bei der späteren automatischen Erkennung von Clustern z.B. gleicher Vegetation mit uneinheitlichen Reflexionsgraden, die sich aus inhomogenen Gesundheits- oder Wachstumszuständen ergeben können.

Verfahren der geringsten Distanz

Diese Methode (engl. Minimum Euclidean Distance) geht davon aus, das diejenigen Reflexionsgrade eines Clusters, die im Erkennungsgebiet dicht nebeneinander liegen, auch zusammen gehören. Für jeden Cluster werden dazu Mittelwerte der Reflexionsgrade gebildet, anhand deren noch unklassifizierte Pixel jeweils zum am Nächsten liegenden Cluster zugeordnet werden.

Verfahren der größten Wahrscheinlichkeit

Die Maximum-Likelihood-Methode definiert Clusterzugehörigkeit über Wahrscheinlichkeitsverteilungen. Meist werden parametrische Verteilungen angenommen. Die Verteilungsparameter und die Clusterzugehörigkeit werden jeweils abwechselnd geschätzt (EM-Verfahren).

Vor- und Nachteile

Der erfolgreiche Einsatz der automatischen Klassifikation hängt wesentlich von der Homogenität des Gebietes ab.

  • Großflächige, reliefarme Landwirtschafts- oder Waldgebiete sind hervorragend geeignet.
  • Inhomogene, komplexe, stark variierende Gebiete wie Städte bereiten größere Probleme.

Der größte Nachteil ist, dass es sich in jedem Fall um eine Zusammenfassung und Vereinfachung von komplexen Sachverhalten der Natur handelt. Daher gibt es keine 100%ig richtige Klassifizierung.

Beispiele

Clusterbestimmung

Automatische Clusterbildung
Manuelle Clusterbildung
Automatische Klassifizierung

durch den Computer. Bildung von 28 verschiedenen Clustern.

Überwachte automatische Klassifikation.

Bildung von Trainingsgebieten durch den Bildauswerter.

Klassifikation

Klassifikation
Klassifikation
Klassifikation nach dem

Verfahren der geringsten Distanz.

Klassifikation nach dem

Verfahren der größten Wahrscheinlichkeit.


Wikimedia Foundation.

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Klassifizierung — (von lat. classis, „Klasse“, und facere, „machen“) nennt man das Zusammenfassen von Objekten zu Klassen (Gruppen, Mengen). Klassifizierung kommt in allen Bereichen des Denkens vor, in der Philosophie ist jedoch der Ausdruck Kategorisierung… …   Deutsch Wikipedia

  • Automatische Klassifikation — Die automatische Klassifikation steht im Gegensatz zur manuellen Klassifizierung, bei der die zu klassifizierenden Objekte aufgrund ihrer Merkmale von Menschen manuell kategorisiert oder in Klassen eingeteilt werden. In technischen Prozessen soll …   Deutsch Wikipedia

  • Maschinelle Klassifikation — Die automatische Klassifikation steht im Gegensatz zur manuellen Klassifizierung, bei der die zu klassifizierenden Objekte aufgrund ihrer Merkmale von Menschen manuell kategorisiert oder in Klassen eingeteilt werden. In technischen Prozessen soll …   Deutsch Wikipedia

  • Generation language — Quelltext eines Programms in der objektorientierten Programmiersprache Ruby. Eine Programmiersprache ist eine Notation für Computerprogramme; sie dient sowohl dazu, diese während und nach ihrer Entwicklung (Programmierung) darzustellen als auch… …   Deutsch Wikipedia

  • ECM-Komponenten — Für Enterprise Content Management Systeme (ECMS) werden die unterschiedlichsten ECM Komponenten und Techniken kombiniert, die zum Teil auch als eigenständige Lösungen sinnvoll nutzbar sind ohne den Anspruch an ein unternehmensweites System[1].… …   Deutsch Wikipedia

  • Enterprise Content Management System — Für Enterprise Content Management Systeme (ECMS) werden die unterschiedlichsten ECM Komponenten und Techniken kombiniert, die zum Teil auch als eigenständige Lösungen sinnvoll nutzbar sind ohne den Anspruch an ein unternehmensweites System[1].… …   Deutsch Wikipedia

  • Archiv — Eingang zu den Archivkammern im Palast des Assurbanipals …   Deutsch Wikipedia

  • Lernen von Maschinen — Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann nach Beendigung der Lernphase verallgemeinern. Das heißt, es lernt nicht einfach die Beispiele …   Deutsch Wikipedia

  • Machine Learning — Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann nach Beendigung der Lernphase verallgemeinern. Das heißt, es lernt nicht einfach die Beispiele …   Deutsch Wikipedia

  • Maschinenlernen — Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann nach Beendigung der Lernphase verallgemeinern. Das heißt, es lernt nicht einfach die Beispiele …   Deutsch Wikipedia

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”