Punktverteilung im Raum - scinexx | Das Wissensmagazin
Anzeige
Anzeige

Das Prinzip hinter der Mustererkennung

Punktverteilung im Raum

Eine der verschiedenen Möglichkeiten, mit denen die Max-Planck-Forscher Muster charakterisieren, bietet die von ihnen entwickelte und inzwischen patentierte Skalierungsindex-Methode. Mit ihrer Hilfe können Wissenschaftler eine Punktverteilung entsprechend ihrer Dimensionalität in Cluster zerlegen. Die Dimension dieser Cluster wird durch den Skalierungsindex Alpha ausgedrückt: „So liefert beispielsweise eine Häufung von Punkten an einer bestimmten Stelle einen Wert nahe null“, erklärt Bunk. „Eine Linie, die aus Punkten besteht, liefert einen Wert nahe bei eins – und so weiter.“

Eine rein zufällige Verteilung der Punkte liefert als Alpha-Wert immer die Dimension des Raumes, in den sie eingebettet ist – sind die Punkte also wahllos auf einer ebenen zweidimensionalen Fläche verteilt, hat Alpha den Wert zwei. „Das Muster charakterisieren wir dann, indem wir die Häufigkeitsverteilung der Skalierungs-Indizes analysieren, die sich als eine Art Struktur-Spektrum interpretieren lässt“, erklärt Wolfram Bunk. So lassen sich zum Beispiel kosmologische Strukturen in verschiedene Strukturelemente auflösen.

Multimedia-Daten als Punktverteilungen

Digitalisierte Multimedia-Daten bestehen – mathematisch gesehen – auch aus Punkteverteilungen, die mithilfe der Mustererkennung analysiert werden können. So wird es möglich, mit den Methoden aus der Astrophysik störendes Rauschen aus Bildern oder Musik zu entfernen oder es zumindest zu reduzieren. Für jedes Pixel eines Bildes kann im statistischen Sinne beispielsweise festgestellt werden, ob es zu einer Struktur – dem eigentlichen Signal – gehört oder reines Rauschen darstellt.

„So lassen sich die Rausch-Pixel entfernen, und mithilfe einer Interpolation oder anderen Rekonstruktionsansätzen wird dann aus den verbleibenden Bildpunkten das Foto zumindest teilweise wieder­hergestellt“, so Bunk, der auch gleich den Beweis antritt und das Foto einer hübschen Frau von störendem Datenmüll befreit. „Es gibt aber auch Anwendungen im Automobilbau, zum Beispiel bei der Charakterisierung der Rauigkeit von Zylinder-Oberflächen in Verbrennungsmotoren.“

Wie ähnlich sind sich die Klang-Spektren?

Und eben auch für die Analyse von Musik: Dafür setzen die Forscher auf ein Clustering-Verfahren und analysieren dabei nicht die Struktur-Spektren, sondern Klang-Spektren: Nachdem der Computer die kurzen Audio-Schnipsel in ihre einzelnen Frequenzspektren zerlegt hat, berechnet er ein spezifisches Abstandsmaß zwischen den Spektren – dieses gibt an, wie ähnlich oder unähnlich sie sich sind.

Anzeige

Dann werden sie in Klassen eingeteilt – die Cluster, deren Mitglieder sich gleichen. Jetzt kann aus jedem Cluster ein Repräsentant ausgewählt werden. So lässt sich ein ganzes Musikstück durch eine Sequenz von charakteristischen Klängen darstellen, wie sie auch im Erkennungsalgorithmus verwendet werden, und seine Klangstruktur erkennen.

  1. zurück
  2. |
  3. 1
  4. |
  5. 2
  6. |
  7. 3
  8. |
  9. 4
  10. |
  11. 5
  12. |
  13. 6
  14. |
  15. 7
  16. |
  17. 8
  18. |
  19. weiter

Christian Buck/ MaxPlanckForschung
Stand: 20.11.2009

Anzeige

In den Schlagzeilen

Inhalt des Dossiers

Mustererkennung
„Mustergültige Erkenntnis“ in Astrophysik, Musik und Medizin

Notebook als Musikexperte
Das Audio-Fingerprinting

Vom Weltall zum Sandkorn
Mustererkennung ursprünglich für die Astrophysik

Punktverteilung im Raum
Das Prinzip hinter der Mustererkennung

Was haben Vivaldi und Pink Floyd gemeinsam?
Überraschende Funde beim Audio-Fingerprinting

Mustersoftware findet Hautkrebs
Anwendung in der medizinischen Diagnostik

Blick ins Hirn
Musterkennung hilft auch bei EEG-Auswertungen

Hoffnung auf schnellere Heilung
Mustererkennung liefert bessere Kontrolle über die Therapie

Diaschauen zum Thema

News zum Thema

Rätselhafte Indus-Hieroglyphen doch eine echte Schrift?
Mathematisches Modell enthüllt feste Muster in den Symbolfolgen der Indus-Kultur

Gehirne von Gitarrenduos im Gleichtakt
Hirnaktivität von Musikern synchronisiert sich im Zusammenspiel

Quantencomputer erkennt Muster
Erste experimentelle Umsetzung eines künstlichen Neuronalen Netzes auf einem Quantencomputer realisiert

Dossiers zum Thema

Anzeige
Anzeige