Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.

Slides:



Advertisements
Ähnliche Präsentationen
Knapsack & Bin Packing Sebastian Stober
Advertisements

Computer graphics & visualization Procedural Terrain Generation Hager Simon Proseminar Gamedesign.
Simulation komplexer technischer Anlagen
Zerlegung von Graphen.
Vom graphischen Differenzieren
Frozen Development in Graph Coloring
3. Kapitel: Komplexität und Komplexitätsklassen
2. Kapitel: Komplexität und Komplexitätsklassen
Wie lösen wir ILPs exakt?
Kombinatorische Topologie in der 3d Geomodellierung
Mathematisches Seminar
Rotation Planning for the Continental Service of a European Airline
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Einführung Übersicht Einsatz der Zielwertsuche Einsatz des Solvers
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Klicke Dich mit der linken Maustaste durch das Übungsprogramm! Ein Übungsprogramm der IGS - Hamm/Sieg © IGS-Hamm/Sieg 2007 Dietmar Schumacher Zeichnerische.
Klicke Dich mit der linken Maustaste durch das Übungsprogramm! Ein Übungsprogramm der IGS - Hamm/Sieg © IGS-Hamm/Sieg 2007 Dietmar Schumacher Zeichnerische.
Sortierverfahren Richard Göbel.
Dynamische Programmierung (2) Matrixkettenprodukt
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
WS Algorithmentheorie 01 – Divide and Conquer (Segmentschnitt) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Tobias Lauer.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Geometrisches Divide and Conquer
Genetische Algorithmen
R-tree, R*-tree und R+-tree
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung In welcher Masche liegt der Punkt p?
Globaler Ansatz Hough-Transformation
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Beispielrelation Buchbestellungen H = Menge der bedeutenden Ziele = {a, d} Schwelle T = 4 Stichprobe S = {a, b, a, a, a, a} mit s = |S| = 6 N = Anzahl.
Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner,
Effiziente Algorithmen
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Geoinformation II Vorlesung 4 SS 2001 Voronoi-Diagramme.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung 7 SS 2000 Punkt-in-Polygon-Verfahren I (Trapezkarte)
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Die Information Bottleneck Methode
Problem : Wie kann man einen schweren Körper heben ?
Optimale Bewässerung durch Sprinklersystem
Das Traveling Salesman Problem (TSP)
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation III Vorlesung 1 WS 2001/02 Punkt-in-Landkarte I (Streifenkarte)
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms.
Vom graphischen Differenzieren
Algorithmische Probleme in Funknetzwerken IV
HEINZ NIXDORF INSTITUT Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik Algorithmische Probleme in Funknetzwerken XIII Klaus.
Routenplanung querfeldein - Geometric Route Planning
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Voronoi-Diagramme.
Anwendung der Ellipsoidmethode in der Kombinatorischen Optimierung
Graph – basierte Routenplanung versus Geometrische Routenplanung
Optimierungs- Algorithmen Petra Mutzel Technische Universität Wien Institut für Computergraphik und Algorithmen Algorithmen und Datenstrukturen 2.
Optimierungs- Algorithmen
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung 4 4. Mai 2000 Voronoi-Diagramm.
Optimierung als Ziel Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg,
Rechen- und Kommunikationszentrum (RZ) Selektionsstrategien auf Graphstrukturen Sven Porsche Seminarvorträge Aachen.
gesucht ist die Geradengleichung
Problem : Wie kann man einen schweren Körper heben ?
 Präsentation transkript:

Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von Punktsignaturen mit Hilfe von Voronoi-Diagrammen Sarah Tauscher

Darstellung von Sentiments auf Karten Sentiment Maps - Ziel 2 Sarah Tauscher— Technische Universität Braunschweig

Sentiment Maps - Daten 3 Sarah Tauscher — Technische Universität Braunschweig

Sentiment Maps - Daten 4 Sarah Tauscher — Technische Universität Braunschweig

Natural Language Processing – Named Entity Recognition – Sentiment Analyse Darstellung auf Karten – Entwurf von Signaturen – Auswahl der Hintergrundkarte – Generalisierung: Verdrängung Sentiment Maps - Erstellung 5 Sarah Tauscher — Technische Universität Braunschweig

Verdrängung - Idee 6 Sarah Tauscher — Technische Universität Braunschweig

Ort ist Schwerpunkt seiner Zelle Gleichmäßige Verteilung der Orte im Raum, abhängig von Dichtefunktion Anwendungen – Komprimierung – Auswahl von Messpunkten – Aufteilen von Flächen Schwerpunkt-Voronoi-Diagramme 7 Sarah Tauscher — Technische Universität Braunschweig

Gegeben: Menge von Punkten im Raum Gesucht: Schwerpunkt-Voronoi-Diagramm Iterativ – Berechnung des Voronoi-Diagramms – Berechnung der Schwerpunkte – Verschiebung der Orte auf den Schwerpunkt ihrer Zelle Konvergenz nur für ein- dimensionalen Fall bewiesen Lloyd‘s algorithm 8 Sarah Tauscher — Technische Universität Braunschweig

Verdrängung - Algorithmus 9 Sarah Tauscher — Technische Universität Braunschweig Markiere Nachbarn Verschie- bung zulässig? Punkt Markiert? Radius groß genug? Signatur in Voronoi- zelle? Verschiebe Punkt Richtung Schwerpunkt Verschiebe Punkt Richtung Mittelpunkt Berechne größten Kreis in Zelle nein ja

Zulässige Verschiebungsdistanz – Fester Wert – Ansteigend mit Anzahl der Iterationen Verschiebung von Punkten – nur innerhalb ihrer Voronoizellen – wenn sie sich mit anderen überlappen – wenn einer ihrer Nachbarn verschoben werden soll – abhängig von Anzahl der Iterationen Maximale Anzahl von Iterationen Verdrängung - Parameter 10 Sarah Tauscher — Technische Universität Braunschweig

Polygon aufteilen in Kanten, die es von unten bzw. oben begrenzen – Steigung der Kanten berechnen – Keine senkrechten Kanten Eigenschaften des gesuchten Kreises – Mittelpunkt liegt oberhalb der Kanten, die das Polygon von unten begrenzen – Mittelpunkt liegt unterhalb der Kanten, die das Polygon von oben begrenzen – Abstand des Mittelpunktes zu allen Kanten ist größer gleich dem Radius – Radius soll maximal sein Größter innenliegender Kreis 11 Sarah Tauscher — Technische Universität Braunschweig

Der Radius der Kreise, deren Mittelpunkt auf der Verbindung zwischen dem Punkt und den Mittelpunkt des größten Kreises liegen, wird mit wachsender Entfernung vom Punkt größer Eigenschaften des gesuchten Kreises – Mittelpunkt liegt auf einer gegebenen Geraden – Abstand des Mittelpunktes zu allen Kanten ist größer gleich dem Radius – Radius ist gegeben – Abstand zum Punkt soll minimal sein Genügend großer Kreis 12 Sarah Tauscher — Technische Universität Braunschweig

Voraussetzungen – Problem definiert durch lineare Gleichungen und Ungleichungen – Ziel Minimierung oder Maximierung von Variablen – Lösung des Problems Optimal Unbeschränkt Unzulässing Lp_solve – Freie Open Source Software in Java – Simplex Methode Worst case: exponentielle Laufzeit – Branch and Bound Lineare Optimierung 13 Sarah Tauscher — Technische Universität Braunschweig

Testfälle 14 Sarah Tauscher — Technische Universität Braunschweig

Testfälle 15 Sarah Tauscher — Technische Universität Braunschweig

Testfälle 16 Sarah Tauscher — Technische Universität Braunschweig Zufällige Punkte Gebiet: 1000 x 1500 Punktgröße: 20 Anzahl Punkte: 100 Überlappungen: 10 Nicht gelöst: 0

Zufällige Punkte Gebiet: 1000 x 1500 Punktgröße: 20 Anzahl Punkte: 100 Überlappungen: 23 Nicht gelöst: 4 Testfälle 17 Sarah Tauscher — Technische Universität Braunschweig

Zufällige Punkte Gebiet: 1000 x 1500 Punktgröße: 20 Anzahl Punkte: 200 Überlappungen: 55 Nicht gelöst: 6 Testfälle 18 Sarah Tauscher — Technische Universität Braunschweig

Ist die Berechnung des größten Kreises sinnvoll? Bleibt die „Optimalität“ bei Beschränkung der Verschiebung erhalten? Konvergiert der Algorithmus? Ist das Auftreten von neuen Konflikten, auch bei Verschiebung der Nachbarn beschränkt? In wie weit ist die Erhaltung der Topologie gewährleistet? Ist eine Zerlegung des Problems sinnvoll möglich? Offene Fragen 19 Sarah Tauscher — Technische Universität Braunschweig

Zerlegung in Teilprobleme 20 Sarah Tauscher — Technische Universität Braunschweig

Zerlegung in Teilprobleme 21 Sarah Tauscher — Technische Universität Braunschweig