Date
2017-09-06Metadata
Show full item record
Dissertation
An algorithmic approach to increase the context prediction accuracy by utilizing multiple context sources
Abstract
Heutzutage sind wir umgeben von technischen System und Geräten die unser alltägliches Leben unterstützen und vereinfachen sollen. Wir nutzen Mobiltelefone, um überall auf Informationen zugreifen zu können, intelligente Haussteuerungen, um unsere Sicherheit und unseren Wohnkomfort zu steigern und Fahrerassistenzsysteme im Automobil, um unsere Fahrten angenehmer und sicherer zu gestalten. Allerdings erwarten wir oft ein vorausschauendes Verhalten solcher Systeme: das Mobiltelefon soll die Bahnstörung einblenden bevor wir die Fahrt beginnen, die Wohnung soll geheizt sein bevor wir sie erreichen, und das Fahrzeug soll den Verkehrsstau einblenden bevor wir in ihm stehen. Dafür beobachten diese Systeme unser Verhalten mit Sensoren, verarbeiten die Informationen mittels spezieller Algorithmen in Kontextquellen und leiten dann Kontextwerte daraus ab. Anschließend machen sie Vorhersagen zu künftig auftretenden Kontextwerten, oft nur auf einzelnen Kontextquellen basierend. Während wir dabei möglichst genaue Vorhersagen erwarten, ist der Vorhersagegenauigkeit ist jedoch eine Obergrenze gesetzt, die man basierend auf dem Informationsgehalt der Kontextwerte berechnen kann. Um diese Grenze nach oben zu verschieben, und damit genauere Vorhersagen zu ermöglichen, schlagen wir die Nutzung mehrerer Kontextquellen zur Kontextvorhersage vor. In dieser Arbeit beschreiben wir eine Möglichkeit verschiedene Kontextquellen zu kombinieren, zeigen den Gewinn der Vorhersagegenauigkeit, beschreiben eine Methode im Vorhinein festzustellen welche Kontextquellen sich besonders effektiv kombinieren lassen, zeigen den Gewinn an Störsicherheit durch den Einfluss von mehreren Kontextquellen und zeigen die Umsetzbarkeit in Bezug auf den Energieverbrauch eines ständig Kontextwerte erhebenden Systems.
Citation
@phdthesis{urn:nbn:de:hebis:34-2017090653452,
author={König, Immanuel},
title={An algorithmic approach to increase the context prediction accuracy by utilizing multiple context sources},
school={Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik},
month={09},
year={2017}
}
0500 Oax
0501 Text $btxt$2rdacontent
0502 Computermedien $bc$2rdacarrier
1100 2017$n2017
1500 1/eng
2050 ##0##urn:nbn:de:hebis:34-2017090653452
3000 König, Immanuel
4000 An algorithmic approach to increase the context prediction accuracy by utilizing multiple context sources / König, Immanuel
4030
4060 Online-Ressource
4085 ##0##=u http://nbn-resolving.de/urn:nbn:de:hebis:34-2017090653452=x R
4204 \$dDissertation
4170
5550 {{Kontextbezogenes System}}
5550 {{Vorhersagetheorie}}
7136 ##0##urn:nbn:de:hebis:34-2017090653452
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2017-09-06T13:36:21Z 2017-09-06T13:36:21Z 2017-09-06 urn:nbn:de:hebis:34-2017090653452 http://hdl.handle.net/123456789/2017090653452 eng Urheberrechtlich geschützt https://rightsstatements.org/page/InC/1.0/ context prediction alignement 004 An algorithmic approach to increase the context prediction accuracy by utilizing multiple context sources Dissertation Heutzutage sind wir umgeben von technischen System und Geräten die unser alltägliches Leben unterstützen und vereinfachen sollen. Wir nutzen Mobiltelefone, um überall auf Informationen zugreifen zu können, intelligente Haussteuerungen, um unsere Sicherheit und unseren Wohnkomfort zu steigern und Fahrerassistenzsysteme im Automobil, um unsere Fahrten angenehmer und sicherer zu gestalten. Allerdings erwarten wir oft ein vorausschauendes Verhalten solcher Systeme: das Mobiltelefon soll die Bahnstörung einblenden bevor wir die Fahrt beginnen, die Wohnung soll geheizt sein bevor wir sie erreichen, und das Fahrzeug soll den Verkehrsstau einblenden bevor wir in ihm stehen. Dafür beobachten diese Systeme unser Verhalten mit Sensoren, verarbeiten die Informationen mittels spezieller Algorithmen in Kontextquellen und leiten dann Kontextwerte daraus ab. Anschließend machen sie Vorhersagen zu künftig auftretenden Kontextwerten, oft nur auf einzelnen Kontextquellen basierend. Während wir dabei möglichst genaue Vorhersagen erwarten, ist der Vorhersagegenauigkeit ist jedoch eine Obergrenze gesetzt, die man basierend auf dem Informationsgehalt der Kontextwerte berechnen kann. Um diese Grenze nach oben zu verschieben, und damit genauere Vorhersagen zu ermöglichen, schlagen wir die Nutzung mehrerer Kontextquellen zur Kontextvorhersage vor. In dieser Arbeit beschreiben wir eine Möglichkeit verschiedene Kontextquellen zu kombinieren, zeigen den Gewinn der Vorhersagegenauigkeit, beschreiben eine Methode im Vorhinein festzustellen welche Kontextquellen sich besonders effektiv kombinieren lassen, zeigen den Gewinn an Störsicherheit durch den Einfluss von mehreren Kontextquellen und zeigen die Umsetzbarkeit in Bezug auf den Energieverbrauch eines ständig Kontextwerte erhebenden Systems. open access König, Immanuel Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik David, Klaus (Prof. Dr.-Ing.) Van Laerhoven, Kristof (Prof. Dr.) Kontextbezogenes System Vorhersagetheorie 2016-12-21 </resource>
The following license files are associated with this item:
:Urheberrechtlich geschützt