 |
Dipl.-Inf. Daniel Lincke
|
Forschungsinteressen und Arbeitsgebiete
Statistische Musteranalyse
Die Mustererkennung befaßt sich mit der maschinellen Modellierung und Simulation komplexer Informationsverarbeitungsprozesse, wie sie zum Beispiel bei der Wahrnehmung und Auswertung visueller, akustischer oder taktiler Sinneseindrücke durch den Menschen auftreten. Typische Anwendungsgebiete sind industrielle und medizinische Bildanalyse, automatische Spracherkennung, maschinelle Personenauthentifizierung (Stimme, Gesicht, Fingerabdruck) sowie zahlreiche Problemstellungen der Robotik, Telematik und explorativen Datenanalyse. Aber auch in vielen anderen Wissenschaften sind Methoden der Mustererkennung von großer Bedeutung, so zum Beispiel in der Genetik (Automatische Untersuchung von DNA-Proben) oder in der Meßtechnik (zum Beispiel bei der Auswertung von laserinduzierten Plasma-Spektren, ein Gebiet in dem auch die GfaI aktiv ist - siehe Projektseite.) Zum Einsatz kommen dabei Methoden der Vorverarbeitung zur Codierung, Filterung und Normierung sensorischer Daten, Verfahren zur Gewinnung geeigneter Merkmale, die Segmentierung von Bild- und Sprachdaten, der Entwurf von Klassifikatoren für numerische und symbolische Musterrepräsentationen sowie Gesichtspunkte der Kontrolle von Musteranalyseprozessen wie heuristische Suchverfahren und unsicheres Schließen.Maschinelles Lernen
Unter maschinellem Lernen verstehen wir die Fähigkeit eines (künstlichen) Systems, sich an seine Umwelt zu adaptieren, derart daß es eine gegebene Aufgabe mit zunehmender Effizienz und Lösungsqualität bewältigen kann. Maschinelle Lernprogramme sind überall dort erfolgreich bzw. unverzichtbar, wo das zur Bewältigung einer Informationsverarbeitungsaufgabe notwendige Wissen gar nicht (viele Anwendungen sensorischer Mustererkennung) oder nur mit gewaltigen Aufwand (Expertensysteme) zu akquirieren ist. Insbesondere ist das der Fall in der hochaktuellen Aufgabenstellung des Data Mining (DM), welche die Strukturaufdeckung, Klassifizierung oder Entwicklungsvorhersage aus großen Datenfluten (Finanzprozesse, Einzelhandel, Gendatenbanken, Klimameßwerte, elektronische Dokumente, Webseiten, Entwicklung und Produktion) zum Ziel hat.Kurzbiographie
- geboren am 18.12.1977 in Saalfeld
- 1984 - 1996 Besuch verschiedener Schulen, abgeschlossen mit der allgemeinen Hochschulreife am Carolin-Schlegel-Gymnasium Jena
- 1996 - 1997 Zivildienstleistender
- 1997 - 2003 Studium der Infomatik (Nebenfach: Mathematik, Vertiefungsrichtung: Künstliche Intelligenz und Mustererkennung) an der Friedrich-Schiller-Universität Jena, Abschluß: Diplom-Informatiker
- seit Okt. 2003 wissenschaftlicher Mitarbeiter an der GFaI
© GFaI 1994-2005 Kontakt: Dr. H.-M. Voigt
