Die vorliegende Diplomarbeit beschäftigt sich mit zwei Aspekten der statistischen Eigenschaften von Clusterverfahren. Zum einen geht die Arbeit auf die Frage der Existenz von unterschiedlichen Clusteranalysemethoden zur Strukturfindung und deren unterschiedlichen Vorgehensweisen ein. Die Methode des Abstandes zwischen Mannigfaltigkeiten und die K-means Methode liefern ausgehend von gleichen Daten unterschiedliche Endclusterungen. Der zweite Teil dieser Arbeit beschäftigt sich näher mit den asymptotischen Eigenschaften des K-means Verfahrens. Hierbei ist die Menge der optimalen Clusterzentren konsistent. Bei Vergrößerung des Stichprobenumfangs gegen Unendlich konvergiert diese in Wahrscheinlichkeit gegen die Menge der Clusterzentren, die das Varianzkriterium minimiert. Ebenfalls konvergiert die Menge der optimalen Clusterzentren für n gegen Unendlich gegen eine Normalverteilung. Es hat sich dabei ergeben, dass die einzelnen Clusterzentren voneinander abhängen. / The following thesis describes two different views onto the statistical characterics of clustering procedures. At first it adresses the questions whether different clustering methods exist to ascertain the structure of clusters and in what ays the strategies of these methods differ from each other. The method of distance between the manifolds as well as the k-means method provide different final clusters based on equal initial data. The second part of the thesis concentrates on asymptotic properties of the k-means procedure. Here the amount of optimal clustering centres is consistent. If the size of the sample range is enlarged towards infinity, it also converges in probability towards the amount of clustering centres which minimized the whithin cluster sum of squares. Likewise the amount of optimal clustering centres converges for infinity towards the normal distribution. The main result shows that the individual clustering centres are dependent on each other.

Learning a model for the relationship between the attributes and the annotated labels of data examples serves two purposes. Firstly, it enables the prediction of the label for examples without annotation. Secondly, the parameters of the model can provide useful insights into the structure of the data. If the data has an inherent partitioned structure, it is natural to mirror this structure in the model. Such mixture models predict by combining the individual predictions generated by the mixture components which correspond to the partitions in the data. Often the partitioned structure is latent, and has to be inferred when learning the mixture model. Directly evaluating the accuracy of the inferred partition structure is, in many cases, impossible because the ground truth cannot be obtained for comparison. However it can be assessed indirectly by measuring the prediction accuracy of the mixture model that arises from it. This thesis addresses the interplay between the improvement of predictive accuracy by uncovering latent cluster structure in data, and further addresses the validation of the estimated structure by measuring the accuracy of the resulting predictive model. In the application of filtering unsolicited emails, the emails in the training set are latently clustered into advertisement campaigns. Uncovering this latent structure allows filtering of future emails with very low false positive rates. In order to model the cluster structure, a Bayesian clustering model for dependent binary features is developed in this thesis. Knowing the clustering of emails into campaigns can also aid in uncovering which emails have been sent on behalf of the same network of captured hosts, so-called botnets. This association of emails to networks is another layer of latent clustering. Uncovering this latent structure allows service providers to further increase the accuracy of email filtering and to effectively defend against distributed denial-of-service attacks. To this end, a discriminative clustering model is derived in this thesis that is based on the graph of observed emails. The partitionings inferred using this model are evaluated through their capacity to predict the campaigns of new emails. Furthermore, when classifying the content of emails, statistical information about the sending server can be valuable. Learning a model that is able to make use of it requires training data that includes server statistics. In order to also use training data where the server statistics are missing, a model that is a mixture over potentially all substitutions thereof is developed. Another application is to predict the navigation behavior of the users of a website. Here, there is no a priori partitioning of the users into clusters, but to understand different usage scenarios and design different layouts for them, imposing a partitioning is necessary. The presented approach simultaneously optimizes the discriminative as well as the predictive power of the clusters. Each model is evaluated on real-world data and compared to baseline methods. The results show that explicitly modeling the assumptions about the latent cluster structure leads to improved predictions compared to the baselines. It is beneficial to incorporate a small number of hyperparameters that can be tuned to yield the best predictions in cases where the prediction accuracy can not be optimized directly. / Das Lernen eines Modells für den Zusammenhang zwischen den Eingabeattributen und annotierten Zielattributen von Dateninstanzen dient zwei Zwecken. Einerseits ermöglicht es die Vorhersage des Zielattributs für Instanzen ohne Annotation. Andererseits können die Parameter des Modells nützliche Einsichten in die Struktur der Daten liefern. Wenn die Daten eine inhärente Partitionsstruktur besitzen, ist es natürlich, diese Struktur im Modell widerzuspiegeln. Solche Mischmodelle generieren Vorhersagen, indem sie die individuellen Vorhersagen der Mischkomponenten, welche mit den Partitionen der Daten korrespondieren, kombinieren. Oft ist die Partitionsstruktur latent und muss beim Lernen des Mischmodells mitinferiert werden. Eine direkte Evaluierung der Genauigkeit der inferierten Partitionsstruktur ist in vielen Fällen unmöglich, weil keine wahren Referenzdaten zum Vergleich herangezogen werden können. Jedoch kann man sie indirekt einschätzen, indem man die Vorhersagegenauigkeit des darauf basierenden Mischmodells misst. Diese Arbeit beschäftigt sich mit dem Zusammenspiel zwischen der Verbesserung der Vorhersagegenauigkeit durch das Aufdecken latenter Partitionierungen in Daten, und der Bewertung der geschätzen Struktur durch das Messen der Genauigkeit des resultierenden Vorhersagemodells. Bei der Anwendung des Filterns unerwünschter E-Mails sind die E-Mails in der Trainingsmende latent in Werbekampagnen partitioniert. Das Aufdecken dieser latenten Struktur erlaubt das Filtern zukünftiger E-Mails mit sehr niedrigen Falsch-Positiv-Raten. In dieser Arbeit wird ein Bayes'sches Partitionierunsmodell entwickelt, um diese Partitionierungsstruktur zu modellieren. Das Wissen über die Partitionierung von E-Mails in Kampagnen hilft auch dabei herauszufinden, welche E-Mails auf Veranlassen des selben Netzes von infiltrierten Rechnern, sogenannten Botnetzen, verschickt wurden. Dies ist eine weitere Schicht latenter Partitionierung. Diese latente Struktur aufzudecken erlaubt es, die Genauigkeit von E-Mail-Filtern zu erhöhen und sich effektiv gegen verteilte Denial-of-Service-Angriffe zu verteidigen. Zu diesem Zweck wird in dieser Arbeit ein diskriminatives Partitionierungsmodell hergeleitet, welches auf dem Graphen der beobachteten E-Mails basiert. Die mit diesem Modell inferierten Partitionierungen werden via ihrer Leistungsfähigkeit bei der Vorhersage der Kampagnen neuer E-Mails evaluiert. Weiterhin kann bei der Klassifikation des Inhalts einer E-Mail statistische Information über den sendenden Server wertvoll sein. Ein Modell zu lernen das diese Informationen nutzen kann erfordert Trainingsdaten, die Serverstatistiken enthalten. Um zusätzlich Trainingsdaten benutzen zu können, bei denen die Serverstatistiken fehlen, wird ein Modell entwickelt, das eine Mischung über potentiell alle Einsetzungen davon ist. Eine weitere Anwendung ist die Vorhersage des Navigationsverhaltens von Benutzern einer Webseite. Hier gibt es nicht a priori eine Partitionierung der Benutzer. Jedoch ist es notwendig, eine Partitionierung zu erzeugen, um verschiedene Nutzungsszenarien zu verstehen und verschiedene Layouts dafür zu entwerfen. Der vorgestellte Ansatz optimiert gleichzeitig die Fähigkeiten des Modells, sowohl die beste Partition zu bestimmen als auch mittels dieser Partition Vorhersagen über das Verhalten zu generieren. Jedes Modell wird auf realen Daten evaluiert und mit Referenzmethoden verglichen. Die Ergebnisse zeigen, dass das explizite Modellieren der Annahmen über die latente Partitionierungsstruktur zu verbesserten Vorhersagen führt. In den Fällen bei denen die Vorhersagegenauigkeit nicht direkt optimiert werden kann, erweist sich die Hinzunahme einer kleinen Anzahl von übergeordneten, direkt einstellbaren Parametern als nützlich.

In der vorliegenden Arbeit wird der Hypothalamus, eine kleine, aber bedeutsame Struktur des Zwischenhirns untersucht. Er spielt unter anderem eine Rolle bei der Regulation des Schlaf-Wach-Rhythmus, des Sexualverhaltens, der Stimmungslage, autonomer und Stoffwechsel-Funktionen. Veränderungen einzelner oder mehrerer spezifischer Kerngruppen sind bei neuropsychiatrischen bzw. -endokrinologischen Erkrankungen, wie Narkolepsie, Schizophrenie, affektiver Störung, Demenz, Borderline-Persönlichkeitsstörung, Pädophilie oder Adipositas zu beobachten. Die Substrukturierung und Darstellung der einzelnen Kerngruppen gelang bisher nur in Postmortem-Studien. Im Rahmen dieser Studie konnte mit Hilfe der Diffusions-Tensor-Bildgebung erstmals eine in-vivo Substrukturierung des Hypothalamus konsistent bei zehn gesunden Probanden vorgenommen werden. Dabei wurden nach einem Algorithmus zunächst die Segmentierung und anschließend die Parzellierung durchgeführt, woraus sich drei konsistente Cluster ergaben. Der topografische Vergleich der erhaltenen Cluster mit Postmortem-Studien der Literatur ergab vergleichbare und anatomisch plausible Korrelate. Mit der von uns entwickelten Methode könnten anhand einer größeren Patientengruppe pathophysiologische Zusammenhänge neuropsychiatrischer und –endokrinologischer Störungen genauer eruiert werden und zu einem besseren Verständnis des Krankheitsverlaufs und der Therapie beitragen.

Der hier vorgelegte Band befasst sich mit einer Typisierung der Gemeinden in der Kernregion Mitteldeutschland, die im Rahmen einer Clusteranalyse durchgeführt wurde. Dieses multivariate Verfahren integriert Aspekte der Raumstruktur, der demographischen und wirtschaftlichen Entwicklung, der technischen und verkehrlichen Infrastruktur sowie der öffentlichen Finanzen. Die 16 aus einem größeren Datenset ausgewählten Kennzahlen fokussieren wichtige Entwicklungsverläufe, die derzeitige Situation sowie die Rahmenbedingungen der einzelnen Gemeinden. Ziel ist es, auf dieser Grundlage Gemeinden mit ähnlicher Merkmalsausprägung zu gruppieren, um auf dieser Basis Referenzgemeinden mit exemplarischen Ausgangsbedingungen und Problemstellungen zu identifizieren. Mit diesen sollen im weiteren Forschungsverlauf planerische und kommunalpolitische Zielkonflikte analysiert und instrumentelle Möglichkeiten zur Reduzierung der Inanspruchnahme von Flächen für Wohnen, Gewerbe und Verkehr durch stärkere interkommunale Kooperation erarbeitet werden.

Techn. Univ., Diss.--Dresden, 2004. / Literaturverz. S. 361 - 385.

Zugl.: Wuppertal, Univ., Diss., 2008

Zugl.: Berlin, Techn. Univ., Diss., 2009

Die vorliegende Arbeit analysiert am Beispiel Hamburg die Stadtteile hinsichtlich der Bikesharing-Nutzung. Ein Großteil der Untersuchungen im Bereich der öffentlichen Fahrradverleihsysteme geben einen Überblick über verschiedene Kundengruppen. Nur Wenige spezialisieren sich auf eine räumlich städtische Betrachtung bezüglich des Bikesharing. Für zukünftige Auswertungen ist es bedeutsam für Städte, die Bikesharing-Systeme betreiben, Auswirkungen eines solchen Systems auf verschiedene Räumlichkeiten in einer Stadt zu prüfen. Das Ziel dieser Forschung ist es zu erfassen, wie sich ausgewählte zeitbezogene und technische Merkmale der Bikesharing-Nutzung auf Stadtteile auswirken. Über einen Zeitraum vom Mai 2016 bis Mai 2017 werden Fahrten in ausgewählten Stadtteilen 24 Stunden lang betrachtet. Die dabei entstehenden Gruppen sollen untereinander möglichst heterogen sein. Als Datengrundlage wurden Daten des „Call a Bike“ Dienstes der Deutschen Bahn aufbereitet. Der Datensatz beinhaltet alle Stadtteile, in denen sich eine oder mehrere Verleihstationen befinden. Eine Clusteranalyse wurde durchgeführt. Drei in sich homogene Cluster sind entstanden, die daraufhin in allen ihren Merkmalsausprägungen ausgewertet wurden. Diese Gruppen unterscheiden sich hauptsächlich in der durchschnittlichen Dauer einer Fahrt und im Anteil der Kurzfahrten unter 30 Minuten. Je weiter ein Ortsteil vom Zentrum entfernt ist, desto länger dauert eine Fahrt. Der Kurzfahrtenanteil sinkt ebenfalls mit zunehmender Entfernung. Diese Erkenntnisse beweisen, dass die Dauer einer Fahrt den größten Einfluss auf das Klassifizieren besitzt. Die meisten Fahrten in den Stadtteilen beginnen primär am Nachmittag. In Hinblick auf die Wochentage fahren Kunden des ersten Clusters vermehrt am Wochenende. In den anderen beiden Clustern bewegen sich die Personen mehr unter der Woche. Bei der technischen Ausleihe ist festzustellen, dass die ersten beiden Cluster mehr Android-Nutzer beinhalten im dritten Cluster mehr iPhone-Nutzer. Die technische Ausleihe ist unabhängig von der Lage der Stadtteile. Untersuchungen haben ergeben, dass die Stadtteile in drei heterogene Cluster zu unterscheiden sind. Das zweite und das dritte Cluster ähneln sich in Zeiträumen sowie in Wochentagen. Weitere Forschung könnte auf andere zeitbezogene Eigenschaften wie Monate und Jahreszeiten eingehen. Der Einfluss der Techniker wäre ebenfalls interessant.

In den letzten Jahren hat die Verbreitung von stationsungebundenem Carsharing (Free- Floating-Carsharing) weltweit stark zugenommen. Aufgrund dessen wurden verschiedene Studien, welche die verkehrliche Wirkung von Free-Floating-Carsharing beschreiben, erstellt. Bisher unzureichend unter-sucht wurden jedoch die Nutzer von Free-Floating-Carsharing- Systemen. Im Rahmen der Mitarbeit der TU Dresden am Evaluationsbericht Carsharing in der Landeshauptstadt München standen für sämtliche Münchener Carsharinganbieter Daten zu Buchungen und Kunden zur Verfügung. Ziel dieser Arbeit war es nun, für die zwei Anbieter von Free-Floating-Carsharing eine Typisierung der Nutzer vorzunehmen. Für die Einteilung der Nutzer in Gruppen wurden zunächst Input-Variablen ausgewählt und erzeugt. Neben den zeitlichen Häufigkeiten der Nutzung für Monate, Wochentage und Zeitscheiben wurden zudem Gini-Faktoren berechnet, welche die Regelmäßigkeit der Nutzung abbilden. Außerdem wurden verschiedene Variablen aus den Buchungsdaten erzeugt. Dazu zählen Untersuchungen wie viele Fahrten amWohnort der Nutzer beginnen und/oder enden, ob Fahrten am gleichen Ort beginnen und enden und bei wie vielen Fahrten der Parktarif der Anbieter zum Einsatz kommt. Des Weiteren wurde untersucht, wie viele Fahrten den Flughafen als Start oder Ziel haben, wie der Einfluss des Wetters auf die Anzahl der Buchungen ist und wie hoch die mittlere Fahrtzeit pro Buchung je Nutzer ist. Alle Variablen dienten nun als Input für die Typisierung der Nutzer. Für die Typisierung wurde das Verfahren der Clusteranalyse ausgewählt. Dabei sind jedoch 30 Variablen eine zu große Anzahl, weswegen zuerst eine Verdichtung der Input-Variablen durchgeführt wurde. Dabei kam eine sogenannte Hauptkomponentenanalyse zum Einsatz. Diese bietet die Möglichkeit, verschieden stark korrelierende Variablen zusammenzufassen und dabei den Informationsgehalt dieser zu erhalten. Aus den 30 einfließenden Variablen ergaben sich mit Hilfe der Hauptkomponentenanalyse vier Faktoren, welche anschließend für die Clusteranalyse genutzt wurden. Jeder Nutzer lässt sich durch die vier Faktoren in einem vierdimensionalen Koordinatensystem ein-tragen. Anschließend kann in diesem Raum eine Clusterung durchgeführt werden. Für diese Arbeit wurde sich für das k-Means-Verfahren entschieden. Mit diesem wurden fünf Cluster bestimmt, welche die 13 000 Nutzer abbilden. Jeder Cluster lässt sich durch die Mittelwerte der eingeflossenen sowie durch soziodemografische Variablen wie Alter und Geschlecht und die Wohnorte der Nutzer hinsichtlich seiner Aussage interpretieren. Die fünf Cluster können in zwei Cluster mit einer niedrigen (Nr. 1 und 2), einen mit einer mittleren (Nr. 3) und zwei mit einer hohen Nutzungsintensität einteilen werden (Nr. 4 und 5). Cluster 1 vereint Nutzer, die selten aber spontane Fahrten unternehmen. Dabei sind überdurchschnittliche viele Fahrten am Wochenende und abends zu verzeichnen. In Cluster 2 finden sich Nutzer, die vorwiegend Fahrten mit langen Fahrtzeiten unternehmen. Dabei werden innerhalb einer Buchung mehrere Wege zurückgelegt, was sich an der hohen Nutzung des Parktarifs zeigt und daran, dass der größte Teil der Fahrten am Ausgangsort wieder enden. Diese Gruppe besitzt unter allen Gruppen einen überdurchschnittlich hohen Anteil an Frauen. Cluster 3 beschreibt den normalen Nutzer hinsichtlich der Nutzungsintensität und der zeitlichen Nutzung. Er ist mit 41,4% der Kunden der größte aller Cluster. Cluster 4 und 5 vereinen Kunden mit einer hohen Nutzungsintensität. Obwohl nur ca. 5% der Kunden in diesen beiden Gruppen zu finden sind, werden jedoch ein Drittel aller Fahrten von diesen Nutzern zurückgelegt. Cluster 4 beschreibt Nutzer mit einem typischen Pendlerverhalten. Dabei werden Fahrten vorwiegend Werktags und während der Hauptverkehrszeiten unternommen. Eine abnehmende Nutzung von Januar zu Juni lässt vermuten, dass andere Verkehrsmittel wie das Fahrrad genutzt werden. In Cluster 5 finden sich Kunden, die häufig Carsharing in der Nacht nutzen. Dies lässt vermuten, dass Aktivitäten des Nachtlebens besucht werden. Dieser Cluster hat im Vergleich zum Durchschnitt den geringsten Anteil an Frauen. Da die Ergebnisse ausschließlich auf den Anbieterdaten basieren, ist es nicht möglich, konkrete Aus-sagen über Effekte und Wirkungen von Free-Floating-Carsharing zu treffen und zu bewerten. Dafür wäre weitere Daten zum Beispiel aus Umfragen notwendig. Die klar abgrenzbaren und gut interpre-tierbaren Nutzergruppen zeigen jedoch, dass die gewählte Methodik sich zur Typisierung von Carsha-ringnutzern eignet. Eine Wiederholung des Verfahrens mit anderen Daten, zum Beispiel aus einem späteren Untersuchungszeitraum oder einer anderen Stadt, ist zu empfehlen.

Eine steigende Anzahl Beschäftigter ist im Berufsalltag mobil. Zur Erbringung von Dienstleistungen und zum Zwecke von Geschäftsreisen führen Mitarbeiter regelmäßig Fahrten mit dem Motorisierten Individualverkehr durch. Der so entstehende Personenwirtschaftsverkehr belastet vor allem in den hochverdichteten Innenstadtbereichen die Infrastruktur, die Umwelt und die Gesellschaft. In der deutschen wie in der internationalen Forschung ist trotz seiner Relevanz wenig darüber bekannt, wie sich der Personenwirtschaftsverkehr im Straßenraum manifestiert und welche Faktoren das Verkehrsverhalten bestimmen. Die vorliegende Dissertationsschrift nutzt zwei empirische Datensätze um die Kenntnislücken zum Personenwirtschaftsverkehr zu schließen, die Studie ‚Kraftfahrzeugverkehr in Deutschland, KiD 2002‘ und die ‚Dienstleistungsverkehrsstudie, DLVS‘. Die neuen Erkenntnisse ermöglichen eine verbesserte Modellierung des (Personen-)Wirtschaftsverkehrs und erleichtern die Planung und Lenkung kommunaler (städtischer) Verkehre. Die Ergebnisse dieser Arbeit zeigen, dass zwischen vier charakteristischen Verkehrsverhalten unterschieden werden kann. Im Rahmen des Personenwirtschaftsverkehrs gibt es sowohl Tourenmuster, die sich durch wenige Stopps und eine geringe Verkehrsleistung auszeichnen als auch Fahrzeuge, die zahlreiche Ziele am Tag ansteuern und eine hohe Verkehrsbeteiligung aufweisen. Die statistischen Analysen belegen außerdem, dass sich die Tourenmuster von Fahrzeugen unterscheiden, die entweder ausschließlich dienstlich oder aber auch privat eingesetzt werden dürfen. Die Berechnung von multivariaten Regressionsmodellen beweist, dass sowohl interne Strukturfaktoren und interne Prozessfaktoren als auch externe Strukturfaktoren und externe Prozessfaktoren eine Rolle beim Verkehrsverhalten spielen. Das bedeutet, die unternehmensbezogenen Faktoren, vor allem aber die Unternehmensstrukturen, sind mit ausschlaggebend dafür, welches der vier Verkehrsverhalten Firmenfahrzeuge aufweisen. / More and more employees are mobile during working hours. To provide services and for business trips, employees use motor vehicles regularly. The emerging service-related traffic burdens the infrastructure, the environment and the society, particularly in high density urban areas. Despite its relevance there is little German and international research on travel behavior of service-related traffic. Even less is known about what factors might influence tour characteristics of service-related traffic. To close this gap of knowledge this dissertation utilizes two data sets for empirical research, ‘Kraftfahrzeugverkehr in Deutschland, KiD 2002’ (‘Motor Vehicle Traffic in Germany’) and ‘Service-Related Traffic’. The findings allow enhanced commercial transport- and service-related traffic modeling and facilitate urban transport planning and direction. The empirical results show that four typical travel patterns can be differentiated. Against the background of service-related traffic there are on the one hand vehicles which are characterized by only a few stops and little road performance per day. On the other hand many cars visit numerous customers and participate a lot in traffic. Statistical analyses also prove that travel patterns differ, depending on an exclusive business or a permitted private use of corporate vehicles. The calculation of multivariate regression models shows that four corporate factor groups, namely internal structures and internal processes as well as external structures and external processes, play a role in travel behavior. This means that company-related factors, especially corporate structure, are decisive for corporate vehicles’ travel patterns.