Methodische Ansätze zur unscharfen Mustererkennung bei Deformationsmessergebnissen

In dieser Dissertation werden mithilfe von Ansätzen, die aus der Mustererekennung abgeleiteten sind, zwei typische Aufgabenstellungen aus dem Bereich der geodätischen Überwachungsmessungen bearbeitet. Die hier benutzten Ansätze bedienen sich automatisch arbeitender Clusterverfahren, die unter Nutzung formaler Kriterien Daten in homogene Gruppen einordnen. Die Besonderheit sind hier die verwendeten Fuzzy-Clusterverfahren, bei denen die Daten nicht genau einer Gruppe zugeordnet werden, sondern jeder Gruppe mit einem graduell variierenden Zugehörigkeitswert. In dem ersten Beispiel geht es um das Auffinden von Punktgruppen mit einem gleichförmigen Bewegungsverhalten in einem zweidimensionalen Überwachungsnetz und in dem zweiten Beispiel um die automatische Klassifizierung von Setzungszeitreihen. In beiden Beispielen wird gezeigt, dass die bisher in der Praxis überwiegend durch einen erfahrenen Auswerter, durch manuelle Beurteilung von graphischen Darstellungen, erfolgte Vorgehensweise weitestgehend automatisiert werden kann.