Topologische Datenanalyse

November 11th, 2019  |  Published in HiWi Postings

In einem interdisziplinären Forschungsprojekt untersuchen wir mit Hilfe topologischer Datenanalyse Korrelationen in den Messdaten eines heterogenen Messnetzwerkes. Ein heterogenes Messnetzwerk besteht aus Sensoren, deren Qualität unbekannt ist. Ein solches Szenario liegt zum Beispiel bei Crowd-Sensing Ansätzen vor, bei denen günstige Sensoren von Freiwilligen zusammengebaut und betrieben werden. Von besonderem Interesse sind Umweltdaten, wie zum Beispiel Feinstaub. Wir möchten untersuchen, wie sich mit Methoden der angewandten algebraischen Topologie, wie zum Beispiel persistenter Homologie, die Qualität der Sensoren bestimmen und aus der topologischen Information aller Messungen in Kombination mit neuen Ansätzen für machine learning Modellen die Ausbreitung von Feinstaub ableiten lässt. Es werden dazu statistische Modelle mit topologischen und geometrischen Informationen gekoppelt, mit dem Ziel die Vorhersagen zu verbessern. Für die Implementierung der Algorithmen innerhalb einer Big-Data Architektur suchen wir tatkräftige Unterstützung.

Comments are closed.