Browsing by Author "Dosdall, Sarah"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Analyse von Datenvorverarbeitungsmethoden zur Verbesserung der Diversität in Klassifikationsensembles
    (2024) Dosdall, Sarah
    Maschinelles Lernen wird mittlerweile in verschiedenen Bereichen verwendet. Eine wesentliche Einschränkung von maschinellen Lernalgorithmen liegt jedoch darin, dass diese häufig Annahmen über die Daten treffen, die in realen Szenarien nicht erfüllt sind. So wird oft vorausgesetzt, dass jede Klasse im Datensatz gleichmäßig repräsentiert ist oder alle enthaltenen Informationen relevant sind. Beim Fehlen dieser Vorraussetzungen in einem Datensatz hat sich die Verwendung von Ensembles bewährt, da diese eine bessere Vorhersagegenauigkeit als einzelne Klassifikatoren erreichen. Im Rahmen dieser Arbeit wird ein Konzept entwickelt und evaluiert, das durch die gezielte Anwendung von Datenvorverarbeitungsmethoden, entsprechend den Datencharakteristiken eines Datensatzes, die Diversität in Klassifikationsensembles erhöht. Ziel ist es, durch die gezielte Vorverarbeitung die Diversität im Ensemble zu erhöhen und damit die Klassifikationsleistung des Ensembles zu verbessern. Das erarbeitete Konzept wird prototypisch in einem AutoML-Ensemble Framework implementiert, welches die automatische Erstellung und gleichzeitige Optimierung von Vorverarbeitungsmethoden sowie Ensembles unterstützt. Anschließend erfolgt die Evaluation des Konzepts anhand von 23 Datensätzen, die sowohl Echtwelt- als auch synthetische Datensätze umfassen. Zur Bewertung des Konzepts werden Vergleichsläufe durchgeführt. Hierbei weist das erarbeitete Konzept im Schnitt die beste Performanz sowie Diversität auf. Die Ergebnisse der Evaluation zeigen, dass der erarbeitet Ansatz vielversprechend ist, um Diversität in Klassifikationsensembles zu erzeugen. Allerding werden mehrere Faktoren identifiziert, die die Klassifikationsleistung der Ensembles beeinträchtigen. Daher ist weitere Forschung erforderlich, um die Schwächen des entwickelten Konzepts gezielt zu adressieren und dessen Effektivität zu steigern.
  • Thumbnail Image
    ItemOpen Access
    On-the-go authoring visualizations through wearable keyboards
    (2021) Dosdall, Sarah
    Nowadays, mobile computing allows users to take advantage of a computer anywhere and anytime. Complex interactions like text entry or programming on-the-go remain challenging. This is due to the lack of input options via keys [FZ94]. One option for solving these problems are chorded keyboards that are connected to the mobile computing device via Bluetooth. The main feature of keyboards is the creation of characters by playing chords and not by single keystrokes. Furthermore, the keyboards have a small size due to their wearability. In this thesis, the chorded keyboard Tap Strap 2 is evaluated as a possible input tool for AVAR, a tool for the visualisation of data in Augmented Reality. For this purpose, a special mapping of the Tap Strap combinations was created that is suitable for programming Pharo code. The focus of the thesis is the design, implementation, and preliminary evaluation of a web application called Learn2Tap. This application is designed to help users learn the Tap Strap combinations and train them to write Pharo code using the Tap Strap. The usability of the Tap Strap and Learn2Tap was evaluated through a 20-day user study. Users were given 15 minutes daily to use Learn2Tap. The outcome of the study was determined through interviews, user tracking, weekly testing and daily saving of learning status. The result of the study is that the users would not choose to use the Tap Strap as an input device because of the difficulties they encountered. However, if they had to learn the combinations of the Tap Strap a second time, they would use Learn2Tap again.