Zusammenfassung
Die Support Vector Machines (SVM) bieten eine Vielzahl von praktischen Einsatzmöglichkeiten für die Modellierung von Ergebnissen geodätischer Messungen. Im ersten Teil dieses Artikels ist in einem theoretischen Überblick die Herleitung der SVM erfolgt. Hier wurden die linearen und nichtlinearen Algorithmen zur Mustererkennung und Regression eingeführt. Der zweite Teil dieses Artikels präsentiert einerseits anhand von kleineren Rechenbeispielen die Funktionsweise dieser Algorithmen. Andererseits demonstrieren bereits erfolgte praktische Anwendungen im Bereich der Überwachung tektonisch aktiver Gebiete und rutschungsgefährdeter Hänge den Umfang der Anwendungsmöglichkeiten.
[Siehe auch zfv 3/2010, 135. Jg., S. 179–189]
Summary
The support vector machines (SVM) offer a lot of possibilities to model the results of geodetic observations. The theoretical overview of SVM including their derivation has already been presented within the first part of this publication. Herein, the linear and nonlinear algorithms for pattern recognition and regression purposes have been explained. This available second part is focussed on the practice of SVM computations. Accordingly, small computational examples will show, on the one hand, how these algorithms work. On the other hand, the adaptation of SVM on the monitoring of recently active tectonics or of dangerous landslides will demonstrate their scope of use.
[See also zfv 3/2010, vol. 135, pp. 179–189]
