zum Directory-modus

Multivariate Datenanalyse - Methoden

Vielzahl der Auswertemethoden

Für die Kalibrierung, Klassifikation, Modellbildung und Visualisierung der Sensorsignale stehen dem Anwender ein ganzer Fundus und Methoden zur Verfügung. Die folgende Liste stellt nur eine kleine Auswahl der Methoden dar, welche in der Literatur gefunden werden.

Statistische Methoden

  • PCA (Principal Component Analysis, Hauptkomponentenanalyse)
  • LDA (Linear Discriminant Analysis, Lineare Diskriminanten Analyse)
  • CA (Cluster Analysis)
  • MLR (Multiple Linear Regression)
  • PCR (Principal Component Regression, Hauptkomponentenregression)
  • PLS (Partial Least Square, Projection to Latent Structure)
  • GA-PLS (Genetic Algorithms Partial Least Squares)
  • QPLS (Quadratic Partial Least Squares)
  • KNN (K-Nearest Neighbours)
  • SIMCA (Soft Independent Modeling of Class Analogy)
  • CART (Classification and Regression Trees)
  • Mars (Multivariate Additive Regression Splines)

Neuronale Netze

  • BP (Backpropagation Feedforward Networks)
  • SOM (Self Organizing Maps)
  • RBF (Radial Basis Function)
  • LVQ
  • Jordan-Elman Networks
  • PNN (Probabilistic Neural Networks)
  • GRNN (General Regression Neural Networks)
  • Boltzmann-Netzwerke
  • Hopfield Networks
  • Cascade Correlation Networks
  • SVM (Support Vector Machine)
  • CPN (Counterpropagation Neural Networks)

Auch wenn in der Literatur noch eine Vielzahl weiterer Methoden gefunden werden, so beschränkt sich die praktische Auswahl der meistgenutzten Methoden auf eine kleine Anzahl, welche auch in dieser Lerneinheit näher vorgestellt werden.

<Seite 1 von 8