Cluster-Ensembles für den Vergleich von Ergebnissen aus Ozeanmodellen mit Referenzdaten
Wir stellen einen neuen Ansatz für die Analyse von Unterschieden und Ähnlichkeiten zwischen zwei raumzeitlichen Datensätzen vor. Eine Technik für maschinelles Lernen, Cluster-Ensembles, ermöglicht es Wissenschaftlern, viele Aspekte zeitlichen Verhaltens geophysikalischer Prozesse einzubeziehen. Interaktive visuelle Exploration unterstützt die Interpretation und den Vergleich des zeitlichen Verhaltens.
Publikation: Köthur, P., Sips, M., Dobslaw, H., Dransch, D. (2014): Visual Analytics for Comparison of Ocean Model Output with Reference Data: Detecting and Analyzing Geophysical Processes Using Clustering Ensembles. - IEEE Transactions on Visualization and Computer Graphics, 20, 12, p. 1893-1902.
In Kooperation mit GFZ Sektion 1.3: Erdsystemmodellierung.