Fusion von Tageskontext und Mobilitätsgewohnheiten als Enablersystem für Mobilitätsassistenten / Roman Roor.

Online resource; title from PDF title page (EBSCO, April 4, 2019).

Includes bibliographical references.

Fusion von Tageskontext und Mobilitätsgewohnheiten als Enablersystem für Mobilitätsassistenten; Danksagungen; Kurzbeschreibung; Inhaltsverzeichnis; 1. Einleitung; 1.1. Forschungsfragen; 1.2. Datenschutz; 1.3. Struktur des Dokuments; 2. Mobilitätsassistent; 2.1. Einleitung; 2.2. Stand der Forschung; 2.3. Methode und Evaluation; 2.3.1. Erste Studie: Ermittlung der Bedürfnisse; 2.3.2. Zweite Studie: Eigenschaften eines Mobilitätsassistenten; 2.3.3. Dritte Studie: Der Prototyp; 2.4. Generelle Diskussion; 2.5. Schlussfolgerung; 2.6. Systemübersicht; 3. Datenbasis

3.1. Übersicht verfügbarer Datensätze3.1.1. GeoLife; 3.1.2. Reality mining; 3.1.3. StudentLife; 3.1.4. Lausanne Data Collection Campaign; 3.1.5. SherLock; 3.2. Eigener Datensatz; 3.2.1. Aufzeichnung; 3.2.2. Räumlich-zeitliche Datenvorverarbeitung; 3.2.3. Ground Truth Labeling; 3.2.4. Datensatzkennzahlen; 4. Semantische Ortsklassifizierung; 4.1. Einleitung; 4.2. Stand der Forschung; 4.3. Datenbasis; 4.4. Klassifikationsfeatures; 4.4.1. Nutzerzentriert; 4.4.2. Umgebung; 4.5. Implementierung und Evaluation; 4.5.1. Multiklassen-Klassifikation; 4.5.2. Binäre Klassifikation

4.5.3. Binäre Klassifikation unter Berücksichtigung der Zeit4.6. Diskussion; 4.7. Schlussfolgerung; 5. Typische Tage und Tagesvergleiche; 5.1. Einleitung; 5.2. Stand der Forschung; 5.3. Datenbasis; 5.4. Ähnlichkeitsmaße; 5.4.1. Jaccard-Koeffizient; 5.4.2. Sørensen-Koeffizient; 5.4.3. Hamming-Abstand; 5.4.4. Levenshtein-Distanz; 5.4.5. Hunt-McIlroy-Algorithmus; 5.4.6. Sum-of-Pairs mit dynamischer Zeitnormierung; 5.4.7. Graphen-Ähnlichkeit; 5.4.8. Geografische Distanz; 5.5. Implementierung; 5.5.1. Modell des typischen Tages; 5.5.2. Kontexterkennung; 5.6. Evaluation

5.6.1. Aufenthaltsortdarstellung5.6.2. Ortskategoriedarstellung; 5.7. Schlussfolgerung; 5.7.1. Diskussion; 5.7.2. Ausblick; 6. (Semantische) Vorhersage desnächsten Ortes; 6.1. Einleitung; 6.2. Stand der Forschung; 6.3. Datensatz; 6.4. Grundlagen; 6.4.1. Mobilitätsgewohnheiten; 6.4.2. Variable Order Markov Model; 6.4.3. Prediction by Partial Matching; 6.5. Implementierung; 6.5.1. Modellerstellung; 6.5.2. Zeitliche Plausibilitätsprüfung; 6.5.3. Vorhersage des nächsten Ortes; 6.6. Evaluation; 6.6.1. Messgrößen; 6.6.2. Ergebnisse; 6.7. Diskussion; 6.8. Schlussfolgerung

7. Ausblick: KontextsensitiveVorschläge7.1. Einleitung; 7.2. Stand der Forschung; 7.3. Fusion der Teilsysteme; 7.3.1. Angereicherte semantische Vorhersage des nächsten Ortes; 7.3.2. Kontext-abstrahierte semantische Vorhersage des nächstenOrtes; 7.3.3. Multiple Modelle zur semantischen Vorhersage desnächsten Ortes; 7.4. Schlussfolgerung; 8. Zusammenfassung; 8.1. Beitrag; Literaturverzeichnis; Anhang A. Mobility Companion App Datenbank; Anhang B. Typische Tage und Tagesvergleiche; B.1. Testdatensatz; B.2. Modelle der typischen Tage

eBooks on EBSCOhost EBSCO eBook Subscription Academic Collection - Worldwide