Entwicklung eines Frameworks zur Automatisierung der Datenvorverarbeitung und Klassifikation emotionsbezogener Sensordaten

Die vorliegende Arbeit konzentriert sich auf Data Mining Prozesse im Feld der Emotionserkennung und der Mensch-Maschine-Kommunikation. Das Ziel der Diplomarbeit war die Analyse, Optimierung und Automatisierung der Vorgänge der Datenvorverarbeitung im Projekt Emokoffer am Fraunhoferinstitut für graphische Datenverarbeitung (IGD) in Rostock. Weiterhin wurden Untersuchungen hinsichtlich des Klassifikationsprozesses durchgeführt. Hierbei wurde darauf abgezielt, Verbesserungen in der Klassifikationsrate und -geschwindigkeit zu erreichen. Daneben wurden die temporalen und personellen Abhängigkeiten zwischen Klassifikationserfolg und Trainings- sowie Testdaten untersucht. Es erfolgte eine Implementierung des Sequential Floating Forward Search (SFFS) Algorithmus unter Nutzung verschiedener Klassifikationsalgorithmen wie Naive Bayes oder J48 (C4.5) in der Programmiersprache Java.