Techn. University, Diss., 2001--Berlin.

Techn. Hochsch., Diss., 2003--Aachen.

Universiẗat, Diss., 2002--Bonn.

University, Diss., 2005--Heidelberg.

Diese Arbeit zeigt ausgehend von einer Darstellung der theoretischen Grundlagen automatischer Textklassifikation, dass die aus der Statistical Learning Theory stammenden Support Vector Machines geeignet sind, zu einer präziseren Erkennung unerwünschter E-Mail-Werbung beizutragen. In einer Testumgebung mit einem Corpus von 20 000 E-Mails wurden Testläufe verschiedene Parameter der Vorverarbeitung und der Support Vector Machine automatisch evaluiert und grafisch visualisiert. Aufbauend darauf wird eine Erweiterung für die Open-Source-Software SpamAssassin beschrieben, die die vorhandenen Klassifikationsmechanismen um eine Klassifikation per Support Vector Machine erweitert.

Diese Arbeit zeigt ausgehend von einer Darstellung der theoretischen Grundlagen automatischer Textklassifikation, dass die aus der Statistical Learning Theory stammenden Support Vector Machines geeignet sind, zu einer präziseren Erkennung unerwünschter E-Mail-Werbung beizutragen. In einer Testumgebung mit einem Corpus von 20 000 E-Mails wurden Testläufe verschiedene Parameter der Vorverarbeitung und der Support Vector Machine automatisch evaluiert und grafisch visualisiert. Aufbauend darauf wird eine Erweiterung für die Open-Source-Software SpamAssassin beschrieben, die die vorhandenen Klassifikationsmechanismen um eine Klassifikation per Support Vector Machine erweitert.

In dieser Arbeit werden drei verschiedene Ansätze zur Indexierung beim inhaltsbasierten Image Retrieval evaluiert werden. Als Basis werden dafür Farben und Formen mit Hilfe von annularen Histogrammen extrahiert. Eine Ähnlichkeitsmetrik für diese Histogramme wird über das Produkt der Eulerschen Distanz und der Histogramm Distanz gebildet, der sogenannten Distanzmetrik. Unter Verwendung dieser Metrik werden folgende drei Verfahren der inhaltsbasierten N-Nearest- Neighbor Suche nach Bildern in dieser Arbeit vorgestellt: 1. Einfache, sequentielle Suche in den Histogrammen der Bilder 2. Verwendung des Evolving Tree, einer Art SOM, als Indexstruktur 3. Nutzung des Vantage Point Trees als Indexstruktur Abschließend sollen die drei beschriebenen Verfahren miteinander verglichen und ausgewertet werden. Im Hinblick auf das inhaltsbasierte Image Retrieval zeigen sich die Vorteile und Nachteile der Anwendung dieser Verfahren.

No description available.

Untersucht wurde die Performance des Vitek MS-Systems anhand eines Keimspektrums von 1357 Isolaten im Zeitraum von Oktober 2011 bis April 2014. Das untersuchte Kollektiv bestand aus Isolaten der mikrobiologischen Routinediagnostik (n=1173), aus Stammsammlungen des Nationalen Referenzzentrum für Meningokokken und Haemophilus influenzae (n=128), sowie offizieller Stammsammlungen wie ATCC, DSMZ, LSM und anderen (n=56). Die Ergebnisse wurden entweder mit einer bereits vorhandenen Stammbezeichnung oder durch eine bzw. Kombinationen mehrerer molekularbiologischer (PCR der Teilabschnitte von Haushaltsgenen: 16S-rRNA-Untereinheit, sodA, recA) oder biochemischen Differenzierungsmethoden (Vitek 2, API-Systeme) verglichen. Mangels Referenzergebnisses wurden 25 Isolate (etwa 1,8%) aus der weiteren Betrachtung ausgeschlossen. Die verbliebenen 1332 Isolate wurden in 28 Bakterienordnungen, 109 Genera und 269 Spezies unterteilt. Auf Speziesebene konnten 1180 (etwa 88,6%) zum Vergleich herangezogen werden, da durch die Referenzmethoden nicht immer eine zuverlässige Speziesdifferenzierung gelang. Diese Referenzergebnisse wurden mit den Ergebnissen des Vitek MS-Systems verglichen. Eine Übereinstimmung zeigte sich auf Genusebene bei 86% (1157 von 1332 Isolaten) und auf Speziesebene bei 80% (944 von 1180 speziesdifferenzierten Keimen) der ausgewählten Stämme. Im Vergleich der Korrelationen der Vitek MS-Identifikationen und den Referenzergebnissen zeigte sich eine durchgehend gute Korrelation innerhalb der unterteilten Bakterienordnungen. Davon abweichend war die Speziesdifferenzierung von Keimen der Ordnung Enterobacteriales. Die beste Korrelation erreichte die Ordnung Clostridiales. Stämme ohne entsprechendes, dokumentiertes Korrelat in der Vitek MS-Datenbank (n=62) wurden ebenfalls in die Betrachtung mit eingeschlossen. Bei 31 Isolaten konnte kein Ergebnis ermittelt werden, 21 wurden massenspektrometrisch dem gleichen Genus zugeordnet, 10 Genusdifferenzierungen wichen ab. 315 Stämme wurden sowohl im Standardverfahren durch Konjugation von 1µl Ready-to-use Matrix als auch mit einem zweistufigen Säureextraktions- und Matrixkonjugationsverfahren gemessen und mit der solitären Konjugation der doppelten Matrixmenge verglichen. Die Abweichungen auf Genus- wie Speziesebene zwischen dem angewandten Standardprotokoll und den beiden anderen Verfahren waren deutlich signifikant. Im Vergleich der zweifachen Matrixmenge und dem zweistufigen Verfahren zeigte sich kein signifikanter Unterschied. Aufgrund der Ergebnisse scheint jedoch die Säureextraktion Gram-positiver Kokken in der Genusdifferenzierung von Vorteil zu sein, sie erreichte jedoch kein ausreichendes Signifikanzniveau. Die Daten sprechen eher dafür, eine Optimierung des Probe-Matrix-Verhältnisses anzustreben, zum Beispiel im Rahmen eines ausgedehnten Anwendertrainings. / Mass spectrimetric identification of bacteria by Vitek MS Routine lab System (IVD)

Zugl.: Heidelberg, Univ., Diss., 2006