Ziel dieser Arbeit ist es auf Basis von Beschleunigungsdaten mit Hilfe spektralbasierter
Metriken Verhaltenszustände zu klassifizieren. Die Datengrundlage
bilden hierbei die Messdaten von 15 Kälbern, die mit einer Sensorohrmarke
ausgestattet sind, welche in regelmäßigen Abständen die Beschleunigung
misst.
Die Verhaltenszustände werden in Basisverhalten und Aktionen eingeteilt.
Das Basisverhalten umfasst die Zustände Liegen, Stehen und Fortbewegen.
Die Aktionen sind als die Zustände Futteraufnahme, Wasseraufnahme, Milchaufnahme,
Lecken/Saugen ohne Milchaufnahme, Wiederkauen und Neutral
definiert.
Zunächst werden die Daten in Trainings- und Testdaten geteilt, bestimmte
Metriken und Metrikkombinationen berechnet und mit Hilfe der Methoden
(Nearest Neighbors, Random Forest, Support Vector Machine, Naive Bayes,
Neural Network und Logistic Regression) und unter Verwendung der Konfusion
Matrix die erfolgreichste (gemessen an der höchsten Genauigkeit und
dem FScore) Metrik bestimmt. In Folge wird ein Algorithmus entwickelt,
dessen Ziel es ist, mit der zuvor bestimmten Metrik bzw. Metrikkombination
und Methode die Klassifizierung vorzunehmen und auszugeben.
Forschungs-