Добірка наукової літератури з теми "UserDriven Classification"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "UserDriven Classification".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "UserDriven Classification":
Todeschini, R., and E. Marengo. "Linear discriminant classification tree: A user-driven multicriteria classification method." Chemometrics and Intelligent Laboratory Systems 16, no. 1 (September 1992): 25–35. http://dx.doi.org/10.1016/0169-7439(92)80075-f.
Arvor, Damien, Julie Betbeder, Felipe R. G. Daher, Tim Blossier, Renan Le Roux, Samuel Corgne, Thomas Corpetti, Vinicius de Freitas Silgueiro, and Carlos Antonio da Silva Junior. "Towards user-adaptive remote sensing: Knowledge-driven automatic classification of Sentinel-2 time series." Remote Sensing of Environment 264 (October 2021): 112615. http://dx.doi.org/10.1016/j.rse.2021.112615.
Bhukya, Raghuram. "Generalization Driven Fuzzy Classification Rules Extraction using OLAM Data Cubes." International Journal of Engineering and Computer Science 9, no. 2 (February 28, 2020): 24962–69. http://dx.doi.org/10.18535/ijecs/v9i2.4444.
Yamini, B., J. Sherine Glory, and S. Aravindkumar. "Intelligence Driven-Depression Identification of Facebook Users." Journal of Computational and Theoretical Nanoscience 17, no. 8 (August 1, 2020): 3770–75. http://dx.doi.org/10.1166/jctn.2020.9318.
Malik, Sadaf, Nadia Kanwal, Mamoona Naveed Asghar, Mohammad Ali A. Sadiq, Irfan Karamat, and Martin Fleury. "Data Driven Approach for Eye Disease Classification with Machine Learning." Applied Sciences 9, no. 14 (July 11, 2019): 2789. http://dx.doi.org/10.3390/app9142789.
Maggipinto, Marco, Elena Pesavento, Fabio Altinier, Giuliano Zambonin, Alessandro Beghi, and Gian Antonio Susto. "Laundry Fabric Classification in Vertical Axis Washing Machines Using Data-Driven Soft Sensors." Energies 12, no. 21 (October 25, 2019): 4080. http://dx.doi.org/10.3390/en12214080.
Bi, Jun, Ru Zhi, Dong-Fan Xie, Xiao-Mei Zhao, and Jun Zhang. "Capturing the Characteristics of Car-Sharing Users: Data-Driven Analysis and Prediction Based on Classification." Journal of Advanced Transportation 2020 (March 9, 2020): 1–11. http://dx.doi.org/10.1155/2020/4680959.
Liu, Weitao, Fuqing Wang, Hang Shi, Yan Zhang, and Ruobo Chen. "Analysis of User Energy Consumption Patterns Based on Data Mining." E3S Web of Conferences 213 (2020): 02040. http://dx.doi.org/10.1051/e3sconf/202021302040.
Seymour, Zakiya A., Eugene Cloete, Margaret McCurdy, Mira Olson, and Joseph Hughes. "Understanding values of sanitation users: examining preferences and behaviors for sanitation systems." Journal of Water, Sanitation and Hygiene for Development 11, no. 2 (January 11, 2021): 195–207. http://dx.doi.org/10.2166/washdev.2021.119.
Hess, M. R., V. Petrovic, and F. Kuester. "INTERACTIVE CLASSIFICATION OF CONSTRUCTION MATERIALS: FEEDBACK DRIVEN FRAMEWORK FOR ANNOTATION AND ANALYSIS OF 3D POINT CLOUDS." ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences XLII-2/W5 (August 18, 2017): 343–47. http://dx.doi.org/10.5194/isprs-archives-xlii-2-w5-343-2017.
Дисертації з теми "UserDriven Classification":
Spillner, Josef. "Entwicklung eines Editors zum Entwurf von Benutzerschnittstellen für Web Services auf Basis der abstrakten UI-Beschreibungssprache WSGUI." Master's thesis, Technische Universität Dresden, 2006. https://tud.qucosa.de/id/qucosa%3A24935.
Anders, Peter, and Simon Ströbel. "User-oriented systematic of control concepts for fluidmechatronic servo drives." Technische Universität Dresden, 2020. https://tud.qucosa.de/id/qucosa%3A71188.
Koseler, Kaan Tamer. "Realization of Model-Driven Engineering for Big Data: A Baseball Analytics Use Case." Miami University / OhioLINK, 2018. http://rave.ohiolink.edu/etdc/view?acc_num=miami1524832924255132.
Haupt, Juliane. "Be motivated to pay attention! How driver assistance system use experience influences driver motivation to be attentive." Doctoral thesis, Universitätsbibliothek Chemnitz, 2016. http://nbn-resolving.de/urn:nbn:de:bsz:ch1-qucosa-206704.
Diese Arbeit liefert einen gründlichen Einblick, welche Rolle motivationale Aspekte spielen, wenn Fahrerassistenzsysteme (FAS) genutzt werden. Dabei wurde auch die Funktion der tatsächlichen Erfahrung mit FAS identifiziert und hervorgehoben. Ein zentrales Ergebnis dieser Arbeit ist das STADIUM Modell, welches das Zusammenspiel motivationaler Faktoren in Abhängigkeit von der tatsächlichen Erfahrung mit FAS erklärt, die wiederum bestimmen, inwieweit und ob andere Aktivitäten während des Fahrens ausgeführt werden. Außerdem konnte unterstrichen werden, welche Rolle Motive spielen, aufmerksames Verhalten in Abhängigkeit von der Nutzung von FAS (dem Navigationssystem) zu zeigen. Zusätzlich konnte dargestellt werden, wie relevant, bereichernd und nützlich es ist, qualitative und quantitative Methoden zu kombinieren, wenn die Effekte von FAS auf das FahrerInnenverhalten untersucht werden. Die Ergebnisse werden diskutiert indem auf hierarchische Fahrerverhaltensmodelle, auf die Theorie des geplanten Verhaltens und ihre erweiterten Versionen und auf die Stärken und Schwächen der Studien Bezug genommen wird. Es werden Implikationen dargestellt und zukünftige Forschungsfragen und Problemstellungen empfohlen
Herrenkind, Bernd, Alfred Benedikt Brendel, Ilja Nastjuk, Maike Greve, and Lutz M. Kolbe. "Investigating end-user acceptance of autonomous electric buses to accelerate diffusion." Elsevier, 2019. https://publish.fid-move.qucosa.de/id/qucosa%3A75922.
Hartwich, Franziska. "Supporting Older Drivers through Emerging In-Vehicle Technologies: Performance-Related Aspects and User Acceptance." Doctoral thesis, Universitätsbibliothek Chemnitz, 2017. http://nbn-resolving.de/urn:nbn:de:bsz:ch1-qucosa-230565.
Im Zuge des aktuellen demografischen Wandels wird für zahlreiche Länder der Welt eine stetige Zunahme des Bevölkerungsanteils von Personen im Alter von 65 Jahren und älter prognostiziert (UN DESA Population Division, 2015). Die daraus resultierende alternde Gesellschaft spiegelt sich auch in der steigenden Anzahl älterer Verkehrsteilnehmer wieder (Koppel & Berecki-Gisolf, 2015). Dieser Effekt wird durch das ebenfalls ansteigende Bedürfnis älterer Personen, ihre Individualmobilität auch bis ins hohe Alter hinein aufrecht zu erhalten, noch verstärkt (Eby & Molnar, 2012). Berücksichtigt man die Auswirkungen altersbedingter Veränderungen von Mobilitätsmustern und fahrrelevanten Fähigkeiten auf die Sicherheit älterer Verkehrsteilnehmer (Polders et al., 2015), stellt diese demographische Entwicklung neue Herausforderungen an die Verkehrsforschung. So bedarf es neuartiger Strategien zur Unterstützung älterer Fahrzeugführer und ihrer Mobilitätsbedürfnisse. Aufgrund aktueller technologischer Entwicklungen eröffnen vor allem durch neuartige Fahrzeugtechnologien zur Fahrerunterstützung innovative Möglichkeiten, diesem Bedarf gerecht zu werden (Karthaus & Falkenstein, 2016). An diesem Punkt setzt die vorliegende Dissertation an. Ziel des Dissertationsprojektes war es zu evaluieren, inwieweit aktuell in Entwicklung befindliche Fahrzeugtechnologien, die aus theoretischer Sicht als geeignete Mittel zur Unterstützung älterer Fahrer erscheinen, tatsächlich zu deren Individualmobilität beitragen können. Um das Potential derartiger Technologien abzuschätzen, wurde einerseits untersucht, inwieweit sie zur Verbesserung von Variablen, die in Beziehung zur Fahrleistung stehen, beitragen können. Anderseits wurde ihre Akzeptanz bei potentiellen zukünftigen Nutzern evaluiert. Für diese Untersuchungen wurden zwei exemplarische Technologien als Repräsentanten grundlegend unterschiedlicher Stufen der Fahrzeugautomatisierung ausgewählt: ein kontaktanaloge Head-up Display (auch Augmented Reality Display, ARD) und hochautomatisiertes Fahren. ARDs stellen einen technologischen Ansatz zur Implementierung von Fahrerinformationssystemen und dementsprechend ein Beispiel für Automatisierungsstufe 0 (no automation; SAE International, 2014) dar, indem sie den Fahrer durch die Bereitstellung verkehrsrelevanter Informationen bei der manuellen Ausführung der Fahraufgabe unterstützen. Im Gegensatz dazu zielt die Technologie des hochautomatisierten Fahrens auf eine Unterstützung des Fahrers durch die vollständige Übernahme der Fahraufgabe ab, was Automatisierungsstufe 4 (high automation; SAE International, 2014) entspricht. Trotz dieser grundlegend unterschiedlichen Ansätze wird beiden Technologien ein hohes Potential zur Unterstützung insbesondere älterer Fahrer zugesprochen (Meyer & Deix, 2014; Polders et al., 2015; Rusch et al., 2013; Schall et al., 2013). Die Untersuchung Performanz- und Akzeptanz-bezogener Aspekte beider Technologien erfolgte im Rahmen von drei empirische Studien. Um altersspezifische Befunde identifizieren zu können, wurden allen Studien mit Vertretern der Zielgruppe von älteren Fahrern (65-85 Jahre alt) sowie einer jüngeren Vergleichsgruppe ‚durchschnittlicher‘ (d.h. junger, erfahrener) Fahrer (25-45 Jahre alt) durchgeführt. Bei Studie I handelte es sich um eine im Fahrsimulator durchgeführte Reaktionszeitstudie, in deren Rahmen Leistungs-bezogene Aspekte von ARDs untersucht wurden. Unter den vielfältigen Möglichkeiten zur Anwendung dieser Technologie wird vor allem die Präsentation von Vorinformationen über bevorstehende komplexe Fahrsituationen während der Fahrt als gewinnbringend für ältere Fahrer eingestuft. Diese Strategie adressiert die Tendenz älterer Fahrer zu einer eher seriellen als parallelen Verarbeitung gleichzeitig verfügbarer Informationen während der Fahrt (Davidse et al., 2009; Küting & Krüger, 2002). Vor diesem Hintergrund lag der Fokus von Studie I auf den Effekten einer kontaktanalogen Präsentation von Vorinformationen über bevorstehende Kreuzungen auf die Geschwindigkeit und Genauigkeit der Wahrnehmung dieser Kreuzungen durch den Fahrer, was eine Grundvoraussetzung für eine sichere Fahrleistung darstellt (Crundall & Underwood, 2011). Basierend auf bestehenden Befürchtungen über kontraproduktive Effekte einer kontaktanalogen Informationsdarstellung während der Fahrt, insbesondere im Falle inkorrekter Informationen, wurden zudem die Auswirkungen von Systemfehlern untersucht. Mit Hilfe der kontaktanalogen Vorinformationen gelang es sowohl älteren als auch jüngeren Fahrern, ohne erhöhten Zeitbedarf einen höheren Anteil relevanter Aspekte in Kreuzungssituationen wahrzunehmen. Allerdings wurde die positive Systemwirkung durch das Erleben von Systemfehlern (in diesem Fall inkorrekten Vorinformationen) zumindest für die Dauer der Untersuchung aufgehoben. Dieser Effekt war besonders ausgeprägt für ältere Fahrer und könnte auf die Schwierigkeit, inkorrekte Informationen auf Grund ihrer Darstellung im ARD zu ignorieren, zurückzuführen sein. Studie II stellte eine Fahrsimulatorstudie zu Akzeptanz-bezogenen Aspekten eines ARDs, welches dem Fahrer Vorinformationen über bevorstehende Kreuzungen zur Verfügung stellt, dar. Inhalt dieser Studie waren zum einen die Effekte von Systemerfahrung auf die Nutzerakzeptanz des Systems, zum anderen altersspezifische Akzeptanzbarrieren, welche ältere Fahrer potentiell von der Nutzung der Technologie abhalten könnten. Insgesamt bewerteten sowohl ältere als auch jüngere Fahrer das ARD positiv. Dabei fielen Bewertungen auf Basis von Systemerfahrung im Fahrsimulator tendenziell besser aus als Bewertungen ohne vorherige Systemerfahrung. Obwohl ältere Fahrer im Vergleich zu jüngeren Fahrern ihre Selbstwirksamkeit im Umgang mit dem ARD sowie Umgebungsfaktoren, welche dessen Nutzung unterstützen könnten, als geringer ausgeprägt wahrnahmen, war die positive Einstellung gegenüber der Nutzung des Systems bei ihnen im Durchschnitt stärker ausgeprägt. Leistungs- und Akzeptanz-bezogene Aspekte des hochautomatisierten Fahrens wurden in Studie III, einer zweistufigen Fahrsimulatorstudie, untersucht. Parallel zur Veränderung der Rolle des Menschen vom Fahrzeugführer zum Passagier im Zuge der zunehmenden Fahrzeugautomatisierung veränderte sich dabei auch der Fokus der Leistungsperspektive. Dem entsprechend stand die Bewertung der Fahrleistung des automatisierten Systems durch den mitfahrenden Menschen im Mittelpunkt dieser Untersuchung. Affektive Komponenten der Mensch-Automatisierungs-Interaktion wie Fahrkomfort und Fahrspaß werden in diesem Kontext als bedeutsam zur Gewährleistung der Nutzerakzeptanz und damit auch Nutzung automatisierter Fahrzeuge betrachtet (Tischler & Renner, 2007). Es wird angenommen, dass derartige affektive Komponenten im Kontext des hochautomatisierten Fahrens vor allem vom implementierten Fahrstil abhängen (Bellem et al., 2016). In einem theoretischen Ansatz zur Verbesserung des Fahrkomforts wird die Implementierung vertrauter (d.h. dem eigenen manuellen Fahrstil ähnlicher) Fahrstile empfohlen, um einen menschlichen Fahrzeugführer nachzuahmen und so Bedenken gegenüber einer automatisierten Fahrzeugführung abzubauen (Elbanhawi et al., 2015). Diesem Ansatz folgend wurden in Studie III die Effekte der Fahrzeugautomatisierung sowie der Ähnlichkeit des implementierten Fahrstils zum individuellen manuellen Fahrstil des jeweiligen Fahrers auf Fahrkomfort und Fahrspaß untersucht. Es konnte gezeigt werden, dass mit höherer Automatisierung der Fahrkomfort älterer und jüngerer Fahrer anstieg, der Fahrspaß jüngerer Fahrer sich jedoch verringerte. Alle abhängigen Variablen wurden von einer vergleichbaren Interaktion zwischen Fahreralter und Fahrstilähnlichkeit beeinflusst: Während jüngere Fahrer hochautomatisierte Fahrstile bevorzugten, die ihren jeweiligen manuellen Fahrstilen ähnelten, präferierten ältere Fahrer im hochautomatisierten Kontext eher unähnliche Fahrstile. Dem entsprechend kann der Vertrautheitsansatz basierend auf den Ergebnissen von Studie III zumindest für jüngere Fahrer unterstützt werden, nicht aber für die Zielgruppe älterer Fahrer, deren manuelle Fahrstile durch Kompensationsstrategien zum Ausgleich altersbedingter Einschränkungen ihrer sensorischen, kognitiven und motorischen Fähigkeiten geprägt sind. Fahrstilpräferenzen im hochautomatisierten Kontext scheinen in dieser Altersgruppe mehr von dem Wunsch, einen von diesen Kompensationsstrategien unbeeinträchtigten Fahrstil wiederzuerlangen, geprägt zu sein als von dem Bedürfnis nach vertraut gestalteten Fahrmanövern. Analog zur Evaluation des ARDs beinhaltete die Untersuchung Akzeptanz-bezogener Aspekte des hochautomatisierten Fahrens die Effekte von Systemerfahrung auf die Nutzerakzeptanz sowie potentielle altersspezifische Akzeptanzbarrieren. Einen systemspezifischen Designaspekt aufgreifend wurde zudem untersucht, ob die Nutzerakzeptanz des hochautomatisierten Fahrens ebenfalls durch den implementierten Fahrstil modifizierbar ist. Fahrer beider Altersgruppen berichteten tendenziell positive a priori Akzeptanzwerte, welche sich nach der Ersterfahrung mit dem System signifikant erhöhten und sich anschließend stabilisierten. Vergleichbar mit den Ergebnissen zum ARD war die positive Einstellung gegenüber der Nutzung eines hochautomatisierten Fahrzeuges bei älteren Fahrern im Durchschnitt stärker ausgeprägt als bei jüngeren, obwohl sie ihre Selbstwirksamkeit im Umgang mit dem System sowie unterstützende Umgebungsfaktoren als geringer ausgeprägt bewerteten. Bezüglich des hochautomatisierten Fahrstils unterlag die Systemakzeptanz derselben Interaktion zwischen Fahreralter und Fahrstilähnlichkeit wie Fahrkomfort und Fahrspaß. Diese Ergebnisse demonstrieren, dass Fahrzeugtechnologien auf verschiedenen Automatisierungsstufen effektive Ansätze zur Unterstützung der Individualmobilität älterer Personen liefern können. Die Mehrzahl der identifizierten Leistungs-bezogenen Verbesserungen zeigte sich sowohl für ältere als auch jüngere Fahrer. Diese Befunde weißen auf das Potential von Systemen, welche den Bedürfnissen älterer Fahrer entsprechen, zur Unterstützung verschiedener Altersgruppen hin. Die Ergebnisse der Akzeptanzperspektive deuten an, dass die evaluierten Systeme von Fahrern verschiedener Altersgruppen akzeptiert werden würden, was die Ergebnisse der Leistungsebene widerspiegelt. Die Vergleichbarkeit der Muster verschiedener Akzeptanzprädiktoren, welche für zwei Systeme auf grundlegend unterschiedlichen Automatisierungsstufen identifiziert werden konnten, legt die Existenz zugrundeliegender genereller Aspekte der Fahrzeugtechnologie-Akzeptanz älterer Fahrer nahe. Diese beinhalten deren stark ausgeprägtes Bedürfnis zur Erhaltung ihrer Individualmobilität sowie deren geringere Selbstwirksamkeit im Umgang mit relevanten Technologien und den unzureichenden Zugang zu unterstützenden Infrastrukturen. Diese Erkenntnisse liefern Implikationen für theoretische Modelle der Akzeptanz von Fahrzeugtechnologien durch ältere Fahrer sowie für Maßnahmen zur Absicherung einer erfolgreichen Entwicklung und Markteinführung von Systemen, die darauf abzielen, ältere Menschen beim Erhalt ihrer Individualmobilität zu unterstützen. Berücksichtigt man die Bedeutsamkeit des Fahrens eines eigenen Automobils für das physiologische und psychologische Wohlbefinden im Alter (Adler & Rottunda, 2006; Lutin et al., 2013; Whelan, Langford, Oxley, Koppel, & Charlton, 2006), unterstreichen diese Ergebnisse das Potential neu entstehender Fahrerunterstützungstechnologien für die Verbesserung der Verkehrssicherheit, aber auch Lebensqualität älterer Menschen
Karjanto, Juffrizal, Yusof Nidzamuddin Md, Chao Wang, Jacques Terken, Frank Delbressine, and Matthias Rauterberg. "The effect of peripheral visual feedforward system in enhancing situation awareness and mitigating motion sickness in fully automated driving." Elsevier, 2018. https://publish.fid-move.qucosa.de/id/qucosa%3A72788.
Zagar, Philipp, and Rudolf Scheidl. "On the use of singular perturbation based model hierarchies of an electrohydraulic drive for virtualization purposes." Technische Universität Dresden, 2020. https://tud.qucosa.de/id/qucosa%3A71183.
Polowinski, Jan. "Ontology-Driven, Guided Visualisation Supporting Explicit and Composable Mappings." Doctoral thesis, 2016. https://tud.qucosa.de/id/qucosa%3A30593.
Datenmassen im World Wide Web können kaum von Menschen oder Maschinen erfasst werden. Eine Option ist die formale Beschreibung und Verknüpfung von Datenquellen mit Semantic-Web- und Linked-Data-Technologien. Ontologien, in standardisierten Sprachen geschrieben, befördern das Teilen und Verknüpfen von Daten, da sie ein Mittel zur formalen Definition von Konzepten und Beziehungen zwischen diesen Konzepten darstellen. Eine zweite Option ist die Visualisierung. Die visuelle Repräsentation ermöglicht es dem Menschen, Informationen direkter wahrzunehmen, indem er seinen hochentwickelten Sehsinn verwendet. Relativ wenige Anstrengungen wurden unternommen, um beide Optionen zu kombinieren, obwohl die Formalität und die reichhaltige Semantik ontologische Daten zu einem idealen Kandidaten für die Visualisierung machen. Visualisierungsdesignsysteme unterstützen Nutzer bei der Visualisierung von tabellarischen, typischerweise statistischen Daten. Visualisierungen ontologischer Daten jedoch müssen noch manuell erstellt werden, da automatisierte Lösungen häufig auf generische Listendarstellungen oder Knoten-Kanten-Diagramme beschränkt sind. Auch die Semantik der ontologischen Daten wird nicht ausgenutzt, um Benutzer durch Visualisierungsaufgaben zu führen. Einmal erstellte Visualisierungseinstellungen können nicht einfach wiederverwendet und geteilt werden. Um diese Probleme zu lösen, mussten wir eine Antwort darauf finden, wie die Definition komponierbarer und wiederverwendbarer Abbildungen von ontologischen Daten auf visuelle Mittel geschehen könnte und wie Nutzer bei dieser Abbildung geführt werden könnten. Wir stellen einen Ansatz vor, der die geführte Visualisierung von ontologischen Daten, die Erstellung effektiver Grafiken und die Wiederverwendung von Visualisierungseinstellungen ermöglicht. Statt auf generische Grafiken zielt der Ansatz auf maßgeschneiderte Grafiken ab, die mit der gesamten Palette visueller Mittel in einem flexiblen Bottom-Up-Ansatz erstellt werden. Er erlaubt nicht nur die Visualisierung von Ontologien, sondern verwendet auch Ontologien, um Benutzer bei der Visualisierung von Daten zu führen und den Visualisierungsprozess an verschiedenen Stellen zu steuern: Erstens als eine reichhaltige Informationsquelle zu Datencharakteristiken, zweitens als Mittel zur formalen Beschreibung des Vokabulars für den Aufbau von abstrakten Grafiken und drittens als Wissensbasis von Visualisierungsfakten. Deshalb nennen wir unseren Ansatz ontologie-getrieben. Wir schlagen vor, ein Abstract Visual Model (AVM) zu generieren, um eine Grafik rollenbasiert zu synthetisieren, angelehnt an einen Ansatz der von J. v. Engelhardt verwendet wird, um Grafiken zu analysieren. Das AVM besteht aus grafischen Objekten und Relationen, die in der Visualisation Ontology (VISO) formalisiert sind. Ein Mapping-Modell, das auf der deklarativen RDFS/OWL Visualisation Language (RVL) basiert, bestimmt eine Menge von Transformationen von den Quelldaten zum AVM. RVL ermöglicht zusammensetzbare »Mappings«, visuelle Abbildungen, die über Plattformen hinweg geteilt und wiederverwendet werden können. Um den Benutzer zu führen, bewerten wir Mappings anhand eines in der Faktenbasis formalisierten Effektivitätsrankings und schlagen ggf. effektivere Mappings vor. Der Beratungsprozess ist flexibel, da er auf austauschbaren Regeln basiert. VISO, RVL und das AVM sind weitere Beiträge dieser Arbeit. Darüber hinaus analysieren wir zunächst den Stand der Technik in der Visualisierung und RDF-Präsentation, indem wir 10 Ansätze nach 29 Kriterien vergleichen. Unser Ansatz ist einzigartig, da er eine ontologie-getriebene Nutzerführung mit komponierbaren visuellen Mappings vereint. Schließlich vergleichen wir drei Prototypen, welche die wesentlichen Teile unseres Ansatzes umsetzen, um seine Machbarkeit zu zeigen. Wir zeigen, wie der Mapping-Prozess durch Tools unterstützt werden kann, die Warnmeldungen für nicht optimale visuelle Abbildungen anzeigen, z. B. durch Berücksichtigung von Charakteristiken der Relationen wie »Symmetrie«. In einer konstruktiven Evaluation fordern wir sowohl die RVL-Sprache als auch den neuesten Prototyp heraus, indem wir versuchen Skizzen von Grafiken umzusetzen, die wir während der Analyse manuell erstellt haben. Wir zeigen, wie Grafiken variiert werden können und komplexe Mappings aus einfachen zusammengesetzt werden können. Zwei Drittel der Skizzen können fast vollständig oder vollständig spezifiziert werden und die Hälfte kann fast vollständig oder vollständig umgesetzt werden.:Legend and Overview of Prefixes xiii 1 Introduction 1 2 Background 11 2.1 Visualisation 11 2.1.1 What is Visualisation? 11 2.1.2 What are the Benefits of Visualisation? 12 2.1.3 Visualisation Related Terms Used in this Thesis 12 2.1.4 Visualisation Models and Architectural Patterns 12 2.1.5 Visualisation Design Systems 14 2.1.6 What is the Difference between Visual Mapping and Styling? 14 2.1.7 Lessons Learned from Style Sheet Languages 15 2.2 Data 16 2.2.1 Data – Information – Knowledge 17 2.2.2 Structured Data 17 2.2.3 Ontologies in Computer Science 19 2.2.4 The Semantic Web and its Languages 19 2.2.5 Linked Data and Open Data 20 2.2.6 The Metamodelling Technological Space 21 2.2.7 SPIN 21 2.3 Guidance 22 2.3.1 Guidance in Visualisation 22 3 Problem Analysis 23 3.1 Problems of Ontology Visualisation Approaches 24 3.2 Research Questions 25 3.3 Set up of the Case Studies 25 3.3.1 Case Studies in the Life Sciences Domain 26 3.3.2 Case Studies in the Publishing Domain 26 3.3.3 Case Studies in the Software Technology Domain 27 3.4 Analysis of the Case Studies’ Ontologies 27 3.5 Manual Sketching of Graphics 29 3.6 Analysis of the Graphics for Typical Visualisation Cases 29 3.7 Requirements 33 3.7.1 Requirements for Visualisation and Interaction 34 3.7.2 Requirements for Data Awareness 34 3.7.3 Requirements for Reuse and Composition 34 3.7.4 Requirements for Variability 35 3.7.5 Requirements for Tooling Support and Guidance 35 3.7.6 Optional Features and Limitations 36 4 Analysis of the State of the Art 37 4.1 Related Visualisation Approaches 38 4.1.1 Short Overview of the Approaches 38 4.1.2 Detailed Comparison by Criteria 46 4.1.3 Conclusion – What Is Still Missing? 60 4.2 Visualisation Languages 62 4.2.1 Short Overview of the Compared Languages 62 4.2.2 Detailed Comparison by Language Criteria 66 4.2.3 Conclusion – What Is Still Missing? 71 4.3 RDF Presentation Languages 72 4.3.1 Short Overview of the Compared Languages 72 4.3.2 Detailed Comparison by Language Criteria 76 4.3.3 Additional Criteria for RDF Display Languages 87 4.3.4 Conclusion – What Is Still Missing? 89 4.4 Model-Driven Interfaces 90 4.4.1 Metamodel-Driven Interfaces 90 4.4.2 Ontology-Driven Interfaces 92 4.4.3 Combined Usage of the Metamodelling and Ontology Technological Space 94 5 A Visualisation Ontology – VISO 97 5.1 Methodology Used for Ontology Creation 100 5.2 Requirements for a Visualisation Ontology 100 5.3 Existing Approaches to Modelling in the Field of Visualisation 101 5.3.1 Terminologies and Taxonomies 101 5.3.2 Existing Visualisation Ontologies 102 5.3.3 Other Visualisation Models and Approaches to Formalisation 103 5.3.4 Summary 103 5.4 Technical Aspects of VISO 103 5.5 VISO/graphic Module – Graphic Vocabulary 104 5.5.1 Graphic Representations and Graphic Objects 105 5.5.2 Graphic Relations and Syntactic Structures 107 5.6 VISO/data Module – Characterising Data 110 5.6.1 Data Structure and Characteristics of Relations 110 5.6.2 The Scale of Measurement and Units 112 5.6.3 Properties for Characterising Data Variables in Statistical Data 113 5.7 VISO/facts Module – Facts for Vis. Constraints and Rules 115 5.7.1 Expressiveness of Graphic Relations 116 5.7.2 Effectiveness Ranking of Graphic Relations 118 5.7.3 Rules for Composing Graphics 119 5.7.4 Other Rules to Consider for Visual Mapping 124 5.7.5 Providing Named Value Collections 124 5.7.6 Existing Approaches to the Formalisation of Visualisation Knowledge . . 126 5.7.7 The VISO/facts/empiric Example Knowledge Base 126 5.8 Other VISO Modules 126 5.9 Conclusions and Future Work 127 5.10 Further Use Cases for VISO 127 5.11 VISO on the Web – Sharing the Vocabulary to Build a Community 128 6 A VISO-Based Abstract Visual Model – AVM 129 6.1 Graphical Notation Used in this Chapter 129 6.2 Elementary Graphic Objects and Graphic Attributes 131 6.3 N-Ary Relations 131 6.4 Binary Relations 131 6.5 Composition of Graphic Objects Using Roles 132 6.6 Composition of Graphic Relations Using Roles 132 6.7 Composition of Visual Mappings Using the AVM 135 6.8 Tracing 135 6.9 Is it Worth Having an Abstract Visual Model? 135 6.10 Discussion of Fresnel as a Related Language 137 6.11 Related Work 139 6.12 Limitations 139 6.13 Conclusions 140 7 A Language for RDFS/OWL Visualisation – RVL 141 7.1 Language Requirements 142 7.2 Main RVL Constructs 145 7.2.1 Mapping 145 7.2.2 Property Mapping 146 7.2.3 Identity Mapping 146 7.2.4 Value Mapping 147 7.2.5 Inheriting RVL Settings 147 7.2.6 Resource Mapping 148 7.2.7 Simplifications 149 7.3 Calculating Value Mappings 150 7.4 Defining Scale of Measurement 153 7.4.1 Determining the Scale of Measurement 154 7.5 Addressing Values in Value Mappings 156 7.5.1 Determining the Set of Addressed Source Values 156 7.5.2 Determining the Set of Addressed Target Values 157 7.6 Overlapping Value Mappings 158 7.7 Default Value Mapping 158 7.8 Default Labelling 159 7.9 Defining Interaction 159 7.10 Mapping Composition and Submappings 160 7.11 A Schema Language for RVL 160 7.11.1 Concrete Examples of the RVL Schema 163 7.12 Conclusions and Future Work 166 8 The OGVIC Approach 169 8.1 Ontology-Driven, Guided Editing of Visual Mappings 172 8.1.1 Classification of Constraints 172 8.1.2 Levels of Guidance 173 8.1.3 Implementing Constraint-Based Guidance 173 8.2 Support of Explicit and Composable Visual Mappings 177 8.2.1 Mapping Composition Cases 178 8.2.2 Selecting a Context 180 8.2.3 Using the Same Graphic Relation Multiple Times 181 8.3 Prototype P1 (TopBraid-Composer-based) 182 8.4 Prototype P2 (OntoWiki-based) 184 8.5 Prototype P3 (Java Implementation of RVL) 187 8.6 Lessons Learned from Prototypes & Future Work 190 8.6.1 Checking RVL Constraints and Visualisation Rules 190 8.6.2 A User Interface for Editing RVL Mappings 190 8.6.3 Graph Transformations with SPIN and SPARQL 1.1 Update 192 8.6.4 Selection and Filtering of Data 193 8.6.5 Interactivity and Incremental Processing 193 8.6.6 Rendering the Final Platform-Specific Code 196 9 Application 197 9.1 Coverage of Case Study Sketches and Necessary Features 198 9.2 Coverage of Visualisation Cases 201 9.3 Coverage of Requirements 205 9.4 Full Example 206 10 Conclusions 211 10.1 Contributions 211 10.2 Constructive Evaluation 212 10.3 Research Questions 213 10.4 Transfer to Other Models and Constraint Languages 213 10.5 Limitations 214 10.6 Future Work 214 Appendices 217 A Case Study Sketches 219 B VISO – Comparison of Visualisation Literature 229 C RVL 231 D RVL Example Mappings and Application 233 D.1 Listings of RVL Example Mappings as Required by Prototype P3 233 D.2 Features Required for Implementing all Sketches 235 D.3 JSON Format for Processing the AVM with D3 – Hierarchical Variant 238 Bibliography 238 List of Figures 251 List of Tables 254 List of Listings 257
Graichen, Lisa. "Gestures for Human-Machine Interaction. Design Aspects, User Experience and Impact on Driving Safety." 2019. https://monarch.qucosa.de/id/qucosa%3A71827.
This thesis investigates aspects of designing and implementing gestures in human-machine interaction (HMI). The first part focuses on aspects of a gesture set and additional feedback with regard to usability, workload, and user satisfaction. The second part focuses on the impact of gesture-based interaction (GBI) on driving behavior. More specifically, this thesis identifies three elementary aspects of designing a GBI. Pre-study experiments 1 and 2 examine how a gesture set should appear in terms of the shape and number of gestures used. The results indicate that the highest number of gestures, six, performs best in terms of user experience and acceptance. However, a gesture set borrowed from human communication performs equally well. In contrast to touch-based interaction (TBI), direct haptic feedback for mid-air gestures is not present. Therefore, pre-study experiment 3 is conducted in order to determine whether a surrogate is necessary. The results of this experiment suggest that implemented forms of feedback are not rated significantly higher than special feedback. The simulator-study and VIL-study investigate the real-world impact of GBI on driver behavior in terms of gaze behavior and reaction to critical events. For this purpose, the GBI setup is transferred into a simulator environment with a Vehicle in the Loop (VIL) to evaluate GBI for IVIS use. The simulator-study demonstrates that drivers look less to the display when using GBI compared to TBI. Moreover, they feel safer, and the user experience is better rated. Therefore, GBI has a positive impact on driver distraction. The VIL-study reveals a positive impact on reaction times to critical events. In conclusion, gestures can be a safe alternative for in-car interaction, an alternative which is popular among drivers.
Книги з теми "UserDriven Classification":
Madden, Anthony P. Informatics and technology for anaesthesia. Edited by Philip M. Hopkins. Oxford University Press, 2017. http://dx.doi.org/10.1093/med/9780199642045.003.0034.
Boros, Christina, K. Nistala, and L. R. Wedderburn. Juvenile myositis. Edited by Hector Chinoy and Robert Cooper. Oxford University Press, 2018. http://dx.doi.org/10.1093/med/9780198754121.003.0010.
Huang, Minyao, and Kasia M. Jaszczolt, eds. Expressing the Self. Oxford University Press, 2018. http://dx.doi.org/10.1093/oso/9780198786658.001.0001.
Частини книг з теми "UserDriven Classification":
Dorado, Andres, Witold Pedrycz, and Ebroul Izquierdo. "User-Driven Fuzzy Clustering: On the Road to Semantic Classification." In Lecture Notes in Computer Science, 421–30. Berlin, Heidelberg: Springer Berlin Heidelberg, 2005. http://dx.doi.org/10.1007/11548669_44.
Theis, Sabine, Peter Rasche, Christina Bröhl, Matthias Wille, and Alexander Mertens. "User-Driven Semantic Classification for the Analysis of Abstract Health and Visualization Tasks." In Digital Human Modeling. Applications in Health, Safety, Ergonomics, and Risk Management: Health and Safety, 297–305. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-58466-9_27.
Deepak, Gerard, and J. Sheeba Priyadarshini. "A Hybrid Semantic Algorithm for Web Image Retrieval Incorporating Ontology Classification and User-Driven Query Expansion." In Advances in Intelligent Systems and Computing, 41–49. Singapore: Springer Singapore, 2018. http://dx.doi.org/10.1007/978-981-10-7200-0_4.
Timan, Tjerk, and Zoltan Mann. "Data Protection in the Era of Artificial Intelligence: Trends, Existing Solutions and Recommendations for Privacy-Preserving Technologies." In The Elements of Big Data Value, 153–75. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-68176-0_7.
Zhong, Ziyuan, Yuchi Tian, and Baishakhi Ray. "Understanding Local Robustness of Deep Neural Networks under Natural Variations." In Fundamental Approaches to Software Engineering, 313–37. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-71500-7_16.
Lampridis, Orestis, Riccardo Guidotti, and Salvatore Ruggieri. "Explaining Sentiment Classification with Synthetic Exemplars and Counter-Exemplars." In Discovery Science, 357–73. Cham: Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-61527-7_24.
Limongelli, Maria Pina, Emil Manoach, Said Quqa, Pier Francesco Giordano, Basuraj Bhowmik, Vikram Pakrashi, and Alfredo Cigada. "Vibration Response-Based Damage Detection." In Structural Health Monitoring Damage Detection Systems for Aerospace, 133–73. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-72192-3_6.
Choiński, Mateusz, Mateusz Rogowski, Piotr Tynecki, Dries P. J. Kuijper, Marcin Churski, and Jakub W. Bubnicki. "A First Step Towards Automated Species Recognition from Camera Trap Images of Mammals Using AI in a European Temperate Forest." In Computer Information Systems and Industrial Management, 299–310. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-84340-3_24.
Mohammadian, Masoud, Dimitrios Hatzinakos, Petros Spachos, and Ric Jentzsh. "An Intelligent and Secure Framework for Wireless Information Technology in Healthcare for User and Data Classification in Hospitals." In Consumer-Driven Technologies in Healthcare, 248–76. IGI Global, 2019. http://dx.doi.org/10.4018/978-1-5225-6198-9.ch014.
Sutton, Katy, Gaynor Paton, James Lowell, and Stephen Purves. "Interpreter-Driven Multiattribute Classification." In Attributes: New Views on Seismic Imaging -- Their Use in Exploration and Production: 31st Annual, 390–409. SOCIETY OF ECONOMIC PALEONTOLOGISTS AND MINERALOGISTS, 2011. http://dx.doi.org/10.5724/gcs.11.31.0390.
Тези доповідей конференцій з теми "UserDriven Classification":
Tilly, Károly, and Zoltán Porkoláb. "Automatic classification of semantic user interface services." In Ontology-Driven Software Engineering. New York, New York, USA: ACM Press, 2010. http://dx.doi.org/10.1145/1937128.1937134.
Zhu, Fujin, Xuefeng Wang, Donghua Zhu, and Yuqin Liu. "USER DEMAND-DRIVEN PATENT TOPIC CLASSIFICATION USING MACHINE LEARNING TECHNIQUES." In The 11th International FLINS Conference (FLINS 2014). WORLD SCIENTIFIC, 2014. http://dx.doi.org/10.1142/9789814619998_0108.
Gibson, Alison E., Mark R. Ison, and Panagiotis Artemiadis. "User-Independent Hand Motion Classification With Electromyography." In ASME 2013 Dynamic Systems and Control Conference. American Society of Mechanical Engineers, 2013. http://dx.doi.org/10.1115/dscc2013-3832.
Zhang, Cheng, Mitesh Patel, Senaka Buthpitiya, Kent Lyons, Beverly Harrison, and Gregory D. Abowd. "Driver Classification Based on Driving Behaviors." In IUI'16: 21st International Conference on Intelligent User Interfaces. New York, NY, USA: ACM, 2016. http://dx.doi.org/10.1145/2856767.2856806.
Albers, Albert, Sarawut Lerspalungsanti, Tobias Du¨ser, Sascha Ott, and Jiangang Wang. "A Systematic Approach to Support Drive Train Design Using Tools for Human Comfort Evaluation and Customer Classification." In ASME 2008 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. ASMEDC, 2008. http://dx.doi.org/10.1115/detc2008-49082.
Gacem, A., N. Nadjar-Gauthier, E. Monacelli, T. Al-ani, and Y. Oussar. "Behavior Identification for Wheelchair Driver Using the Fuzzy C-Means Classification Method." In ASME 2012 11th Biennial Conference on Engineering Systems Design and Analysis. American Society of Mechanical Engineers, 2012. http://dx.doi.org/10.1115/esda2012-82874.
Chernogorov, Fedor, and Jani Puttonen. "User satisfaction classification for Minimization of Drive Tests QoS verification." In 2013 IEEE 24th Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC). IEEE, 2013. http://dx.doi.org/10.1109/pimrc.2013.6666502.
Sajjad, Shahrukh, Bi Jiana, and Shah Zaib sajjad. "The use of Convolutional Neural Network for Malware Classification." In 2020 IEEE 9th Data Driven Control and Learning Systems Conference (DDCLS). IEEE, 2020. http://dx.doi.org/10.1109/ddcls49620.2020.9275164.
Kettwich, Carmen, Andreas Schrank, Hüseyin Avsar, and Michael Oehl. "What if the Automation Fails? – A Classification of Scenarios in Teleoperated Driving." In AutomotiveUI '21: 13th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. New York, NY, USA: ACM, 2021. http://dx.doi.org/10.1145/3473682.3480271.
Gebre, Biruk A., and Kishore Pochiraju. "Modeling and Machine Learning Aided Analysis of a Claw-Less Magnetically Coupled Ball-Drive Design." In ASME 2018 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers, 2018. http://dx.doi.org/10.1115/detc2018-86202.