Fuzzy-Sets und Mustererkennung

Die moderne Sensortechnik ermöglicht es, eine Vielzahl von Daten zu erfassen und digital zu speichern, so daß in vielen Bereichen der Anwender mit einer regelrechten Datenflut konfrontiert wird. Aufgrund der Masse der Daten ist es für den Anwender häufig unmöglich, daß Informationspotential der ihm zur Verfügung stehenden Daten adäquat zu nutzen. Daher ist der Einsatz von maschinellen Datenanalysemethoden zur Extraktion relevanter Informationen von zunehmender Bedeutung. Da Bild- und andere Sensordaten oft mit Vagheit und Unsicherheit behaftet sind, sollten Informationsgewinnungsmethoden in der Lage sein, mit Vagheit und Unsicherheit umzugehen. Die gezielte Ausnutzung von Impräzision kann sogar von Vorteil sein, um zu informationskomprimierten Darstellungen der in den Daten vorhandenen Strukturen zu gelangen.Ein interessanter Ansatz zur Darstellung von Vagheit sind Fuzzy-Sets (unscharfe Mengen), und insbesondere die Verwendung von Fuzzy-Regeln. Wissen wird dabei in Form von linguistischen Regeln mit Fuzzy-Mengen definiert. Durch diese Modellierung bleiben Regelsysteme interpretierbar und menschliches Expertenwissen ist gut integrierbar. In diesem Forschungsvorhaben wurde die Verwendung von Fuzzy-Regelsystemen in verschiedenen Bereichen der Bildverarbeitung und der Datenanalyse untersucht.

Modern sensor and computer technology leads to huge image archives that call for automatic analysis. Due to the vagueness and imprecision of sensor data, methods are needed that can deal with such imperfect data. The explicit exploitation of imprecision can even lead to more compact representations of knowledge and structures. Fuzzy sets and especially fuzzy rules are a convenient way to represent vagueness. The use of fuzzy rules leads to interpretable models that are open to the integration of expert knowledge. In this project we examined the use of fuzzy sets in different areas of image processing and data analysis.