Human support in surveillance tasks is crucial due to the overwhelming amount of sensor data. This work focuses on the development of data fusion methods using the maritime domain as an example. Various anomalies are investigated, evaluated using real vessel traffic data and tested with experts. For this purpose, situations of interest and anomalies are modelled and evaluated based on different machine learning methods


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    Anomaliedetektion in räumlich-zeitlichen Datensätzen


    Beteiligte:


    Erscheinungsdatum :

    2023


    Format / Umfang :

    1 Online-Ressource (264 p.)


    Medientyp :

    Buch


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch




    Anomaliedetektion in räumlich-zeitlichen Datensätzen

    Anneken, Mathias | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2023

    Freier Zugriff

    Anomaliedetektion in räumlich-zeitlichen Datensätzen

    Anneken, Mathias | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2023

    Freier Zugriff

    Anomaliedetektion in räumlich-zeitlichen Datensätzen

    Anneken, Mathias | TIBKAT | 2023

    Freier Zugriff

    Anomaliedetektion in räumlich-zeitlichen Datensätzen

    Anneken, Mathias | TIBKAT | 2023

    Freier Zugriff

    Verfahren zum Verbreiten von räumlich-zeitlichen Verkehrsinformationen

    CALISKAN MURAT / MAUVE MARTIN PROF DR | Europäisches Patentamt | 2021

    Freier Zugriff