Dynamic Label Placement in Practice
|
|
- Dieter Florian Langenberg
- vor 8 Jahren
- Abrufe
Transkript
1 Disputation Dynamic Label Placement in Practice Beschriftungsplatzierung in interaktiven Karten in der Praxis Nadine Schwartges Lehrstuhl für Informatik I, Universität Würzburg
2 Interaktive Karten und Labeling
3 Interaktive Karten und Labeling 3D +
4 Interaktive Karten und Labeling New OldTown 3D Si d Ro ad e Main Street + Blue River Cross Road River Bridge Middle Town Patrol Road
5 Interaktive Karten und Labeling New OldTown 3D Si d Ro ad e Main Street + Blue River Cross Road River Bridge Middle Town Patrol Road
6 Interaktive Karten und Labeling New OldTown 3D Si d Ro ad e Main Street + Blue River Gliederung: Cross Road River Bridge 1. Beschriftung von Punkten Middle Town Patrol Road
7 Interaktive Karten und Labeling New OldTown 3D Si d Ro ad e Main Street + Blue River Gliederung: Cross Road River Bridge 1. Beschriftung von Punkten Middle Town 2. Beschriftung von Straßen Patrol Road
8 Interaktive Karten und Labeling New OldTown 3D Si d Ro ad e Main Street + Blue River Beschriftungsplatzierung River Bridge in interaktiven Karten Cross Road in der Praxis Middle Town Patrol Road
9 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
10 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
11 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
12 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
13 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
14 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen.
15 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen. Maximiere die Anzahl von angezeigten Beschriftungen, sodass jedes Referenzobjekt höchstens eine Beschriftung besitzt und keine zwei Beschriftungen überlappen.
16 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen. Maximiere die Anzahl von angezeigten Beschriftungen, sodass jedes Referenzobjekt höchstens eine Beschriftung besitzt und keine zwei Beschriftungen überlappen. NP-schwer Heuristiken
17 Das allgemeine Beschriftungsproblem Gegeben sei eine Menge von zu beschriftenden geometrischen Objekten (Referenzobjekte) in der Ebene und für jedes Referenzobjekt eine Menge von Beschriftungspositionen. Maximiere die Anzahl von angezeigten Beschriftungen, sodass jedes Referenzobjekt höchstens eine Beschriftung besitzt und keine zwei Beschriftungen überlappen. NP-schwer Anwendung: Kartografie Heuristiken
18 Geschichte
19 Geschichte 1960er Regeln für gute Beschriftungsplatzierung (Imhof)
20 Geschichte 1960er Regeln für gute Beschriftungsplatzierung (Imhof) automatische Beschriftungsplatzierung
21 Geschichte 1960er Regeln für gute Beschriftungsplatzierung (Imhof) automatische Beschriftungsplatzierung 2005 Beschriftung interaktiver Karten
22 Beschriftung von Punkten
23 Beschriftungen im Fest-Positionen-Modell Problem +
24 Beschriftungen im Fest-Positionen-Modell Problem +
25 Beschriftungen im Fest-Positionen-Modell Problem +
26 Beschriftungen im Fest-Positionen-Modell Problem +
27 Beschriftungen im Fest-Positionen-Modell Problem +
28 Beschriftungen im Fest-Positionen-Modell Beobachtung
29 Beschriftungen im Fest-Positionen-Modell Beobachtung
30 Beschriftungen im Fest-Positionen-Modell Beobachtung
31 Beschriftungen im Fest-Positionen-Modell Lösung z max z y z max z y 0 x p z p 0 x p Finde für jeden Referenzpunkt p einen active range A(p) = (0; z p ], z p z max, sodass sich keine zwei Kegel schneiden und p z p maximal.
32 Beschriftungen im Fest-Positionen-Modell Lösung kein Flackern kein Springen z max z y z max z y 0 x p z p 0 x p Finde für jeden Referenzpunkt p einen active range A(p) = (0; z p ], z p z max, sodass sich keine zwei Kegel schneiden und p z p maximal.
33 Beschriftungen im Fest-Positionen-Modell Stand der Forschung Been et al. (2006 & 2010) z max z y Theorie 0 x
34 Beschriftungen im Fest-Positionen-Modell Stand der Forschung Been et al. (2006 & 2010) z max z y Theorie 0 x Meine Forschung MIP Perf.. 1,15 1,10 1,05 1,00 0,95 0,90 0, Anzahl Referenzpunkte
35 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
36 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
37 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
38 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
39 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
40 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
41 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
42 Beschriftungen im Fest-Positionen-Modell Schrumpfende Kegel (Been et al., 2006 / Been et al., 2010)
43 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
44 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
45 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
46 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
47 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
48 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
49 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V0)
50 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1)
51 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1)
52 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1)
53 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1)
54 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1) p p q q d(pp ) < d(qq ) fixiere p
55 Beschriftungen im Fest-Positionen-Modell Wachsende Kegel (V1) p p q q d(pp ) < d(qq ) fixiere p Hilfsmittel: Delaunay-Triangulierung
56 Beschriftungen im Fest-Positionen-Modell Ergebnisse Qualität. 1,15 1,10 1,05 1,00 0,95 0,90 0, Anzahl Referenzpunkte MIP22 MIP35 Schrumpfende Kegel Wachsende Kegel (V0) Wachsende Kegel (V1)
57 Beschriftungen im Fest-Positionen-Modell Ergebnisse Qualität. 1,15 1,10 1,05 1,00 0,95 0,90 0,85 Laufzeit (Sek.) / logarithmisch! Anzahl Referenzpunkte Anzahl Referenzpunkte MIP22 MIP35 Schrumpfende Kegel Wachsende Kegel (V0) Wachsende Kegel (V1)
58 Beschriftungen im Schiebemodell Problem
59 Beschriftungen im Schiebemodell Problem
60 Beschriftungen im Schiebemodell Problem f i Sichtbereich Frame
61 Beschriftungen im Schiebemodell Problem f i Sichtbereich Frame Historie f i+1
62 Beschriftungen im Schiebemodell Problem f i Sichtbereich Frame Historie f i+1 Maximiere unter Beachtung der Historie die Summe der Gewichte aller beschrifteten Punkte eines überlappungsfreien Labelings.
63 Beschriftungen im Schiebemodell Problem f i Sichtbereich Frame Historie f i+1 kein Springen Maximiere unter Beachtung der Historie die Summe der Gewichte aller beschrifteten Punkte eines überlappungsfreien Labelings.
64 Beschriftungen im Schiebemodell Stand der Forschung Van Kreveld et al. (1999) 1P 1S statisch: 15%
65 Beschriftungen im Schiebemodell Stand der Forschung Van Kreveld et al. (1999) 1P 1S statisch: 15% Maass & Döllner (2006), Mote (2007), Luboschik et al. (2008) Beschriftung je Frame
66 Beschriftungen im Schiebemodell Stand der Forschung Van Kreveld et al. (1999) De Berg et al. (2008) 1P 1S statisch: 15% Maass & Döllner (2006), Mote (2007), Luboschik et al. (2008) Beschriftung je Frame
67 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
68 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
69 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
70 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
71 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
72 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
73 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze)
74 Beschriftungen im Schiebemodell Schiebe-Algorithmus (Skizze) +
75 Beschriftungen im Schiebemodell Datenstruktur: Rechtseckszerlegung
76 Beschriftungen im Schiebemodell Datenstruktur: Rechtseckszerlegung
77 Beschriftungen im Schiebemodell Warteliste Performanz & Reduktion von Flackern
78 Beschriftungen im Schiebemodell Warteliste Performanz & Reduktion von Flackern p
79 Beschriftungen im Schiebemodell Warteliste Performanz & Reduktion von Flackern p Verzögere den nächsten Test von p um mindestens W Frames.
80 Beschriftungen im Schiebemodell Demo
81 Beschriftungen im Schiebemodell Ergebnisse: Multi-Interaktionspfad 1S vs. 1P, W = 0: Qualität (49%) 1S 1S vs. 1P, W = 30: Qualität (41%) 1P 1S: Framerate
82 Beschriftungen im Schiebemodell Ergebnisse: Multi-Interaktionspfad 1S vs. 1P, W = 0: Qualität (49%) 1S 1S vs. 1P, W = 30: Qualität (41%) 1P 1S: Framerate Rechteckszerlegung: Framerate Warteliste: Framerate 35 Labels: > 24 FPS 205 Labels: 4 10 FPS
83 Beschriftung von Straßen
84 Eingebettete Beschriftungen Problem Label + 3D
85 Eingebettete Beschriftungen Problem Label + 3D Label L a b l e
86 Eingebettete Beschriftungen Problem Label + 3D Label L a b l e Label
87 Eingebettete Beschriftungen Problem Label + 3D Label L a b l e Label Label
88 Eingebettete Beschriftungen Problem Label + 3D Label L a b l e Label Label Nebenstr. Hauptstr.
89 Eingebettete Beschriftungen Problem Label + 3D Label L a b l e Label Label Nebenstr. Hauptstr. NP-schwer
90 Eingebettete Beschriftungen Lösung in jedem Frame für jede unbeschriftete Straße bewerte jede mögliche Beschriftungsposition
91 Eingebettete Beschriftungen Stand der Forschung Strijk (2001) Bewertungsfunktion l e L a b statisch
92 Eingebettete Beschriftungen Stand der Forschung Strijk (2001) Bewertungsfunktion Maass & Döllner (2007) l e L a b statisch Geradlinig Konfliktgraph Interaktionen: Work-Around
93 Eingebettete Beschriftungen Stand der Forschung Strijk (2001) Bewertungsfunktion Maass & Döllner (2007) l e L a b statisch Geradlinig Konfliktgraph Interaktionen: Work-Around Vaaraniemi et al. (2012) Geradlinig Billboard kräftebasierter Algorithmus
94 Eingebettete Beschriftungen Bewertung b i summiere Kosten der Bewertungskriterien
95 Eingebettete Beschriftungen Bewertung b i b i α summiere Kosten der Bewertungskriterien Kosten w a α 2
96 Eingebettete Beschriftungen Bewertung b i b i α summiere Kosten der Bewertungskriterien Kosten w a α 2 b j 1 b j b k+1 b k l C(l) = k i=j C(b i)
97 Eingebettete Beschriftungen Diskretisierung l
98 Eingebettete Beschriftungen Diskretisierung l l l l C(l) = C(l )
99 Billboard-Beschriftungen Problem
100 Billboard-Beschriftungen Problem
101 Billboard-Beschriftungen Problem Schellingstraße Gegenbaurstraße
102 Billboard-Beschriftungen Problem Schellingstraße 3D Gegenbaurstraße
103 Billboard-Beschriftungen Lösung: Kräftebasierter Algorithmus Gegenbaurstraße Schellingstraße
104 Billboard-Beschriftungen Lösung: Kräftebasierter Algorithmus Gegenbaurstraße Schellingstraße Schellingstraße
105 Billboard-Beschriftungen Stand der Forschung Eades (1984)
106 Billboard-Beschriftungen Stand der Forschung Eades (1984) Maass & Döllner (2006) Beschriftung je Frame
107 Billboard-Beschriftungen Stand der Forschung Eades (1984) Maass & Döllner (2006) Beschriftung je Frame Vaaraniemi et al. (2012) Geradlinig Billboard kräftebasierter Algorithmus
108 Kombination von zwei Beschriftungsarten Demo
109 Kombination von zwei Beschriftungsarten Ergebnisse Framerate, 23 Billboards, 55 eingebettete Labels, * eingebettet: 94 FPS * Billboard: 211 FPS * kombiniert: 92 FPS
110 Zusammenfassung im Fest-Positionen-Modell Beschriftung von Punkten im Schiebemodell Eingebettete Beschriftungen Beschriftung von Straßen Billboard-Beschriftungen Sophienstr. Dynamic Label Placement in Practice, Kombination von zwei Beschriftungsarten
Punktbeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.05.2015 1 Übungen Nachtrag 1) Überlegen Sie sich, wie man den
MehrEckehard Steinbach Fachgebiet Medientechnik. Technische Universität München. EIKON e.v. Jahresversammlung
Bildbasierte 3D Welten Eckehard Steinbach Fachgebiet Medientechnik Lehrstuhl für Kommunikationsnetze Technische Universität München EIKON e.v. Jahresversammlung 10.02.200902 2009 Traditionell: Geometrische
MehrLeseproben aus dem Buch: "Kanban mit System zur optimalen Lieferkette" Dr. Thomas Klevers, MI-Wirtschaftsbuch
Im Folgenden finden Sie Leseproben aus verschiedenen Kapiteln des Buches. Zu Beginn eines jeden Ausschnitts ist das jeweilige Kapitel angegeben. Kapitel 2: Grundlegende Gestaltung Kapitel 3: Verschiedene
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie Teil 2 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 11.06.2013 Die Ära der dynamischen Karten Die meisten
MehrPhotorealistische Echtzeit-Visualisierung geovirtueller Umgebungen
Photorealistische Echtzeit-Visualisierung geovirtueller Umgebungen Anselm Kegel Hasso-Plattner-Institut Fachgebiet Computergrafische Systeme Prof. Dr. Jürgen Döllner Universität Potsdam www.hpi.uni-potsdam.de/3d
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 04.06.2013 Was ist eine Landkarte? r e d o Dr. Martin No
MehrVorkurs Informatik WiSe 15/16
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 16.10.2015 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Suchen Binärsuche Binäre Suchbäume 16.10.2015 Dr. Werner
MehrPunktbeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.05.2015 1 Übungen Nachtrag 1) Überlegen Sie sich, wie man den
MehrDatenidentifikation und -synchronisation: Grundlage zur Erfüllung der Qualitätsanforderungen beim Datenaustausch zwischen Systemen
Datenidentifikation und -synchronisation: Grundlage zur Erfüllung der Qualitätsanforderungen beim Datenaustausch zwischen Systemen Jürg Simonett Luzern, 26. März 2015 Datenaustausch zwischen Systemen Synchronisation
MehrZWEITER SÜDDEUTSCHER REALSCHULTAG
ZWEITER SÜDDEUTSCHER REALSCHULTAG 17. April 2015 in Ulm Realschüler die Fachkräfte der Zukunft Umfrage zu Schulbildung in Süddeutschland Exklusiv beau.ragt für den Zweiten Süddeutschen Realschultag 2015
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrPunktbeschriftung in Landkarten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 07.05.2013 Klassische Kartenbeschriftung Poor, sloppy, amateurisch
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrProseminar: Geschichte des Computers Schachprogrammierung Die Digitale Revolution
Die Digitale Revolution Internet 3D-Drucker Quants Singularität 27.02.14 Johannes Polster Das Spiel der Könige Sehr altes Spiel: Entstehung vor 1500 Jahren Weltberühmt Strategisches Spiel Kein Glück, Intelligenz,
MehrEin Tool für automatische Performancetests von Java3D Applikationen
Ein Tool für automatische Performancetests von Java3D Applikationen Kristina Wunderlich A Tool for Automated Performance Testing of Java3D Applications in Agile Environments Xueling Shu, Frank Maurer;
MehrDefinition und Begriffe
Merkblatt: Das Dreieck Definition und Begriffe Das Dreieck ist ein Vieleck. In der Ebene ist es die einfachste Figur, die von geraden Linien begrenzt wird. Ecken: Jedes Dreieck hat drei Ecken, die meist
MehrASMI Mobile Portfolio. Neue Werbeformen 2014
ASMI Mobile Portfolio Neue Werbeformen 2014 Mobile Take Over Ad S Sichtbarkeit garantiert! -w- Ihre Botschaft Mehr erfahren! Der User scrollt die Seite nach unten. Es werden gleichzeitig der Top Banner
MehrSuche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche. Suche in Spielbäumen. KI SS2011: Suche in Spielbäumen 1/20
Suche in Spielbäumen Suche in Spielbäumen KI SS2011: Suche in Spielbäumen 1/20 Spiele in der KI Suche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche Einschränkung von Spielen auf: 2 Spieler:
MehrRessourcenplanung unter Nutzung der Java-Constraint-Bibliothek firstcs
Ressourcenplanung unter Nutzung der Java-Constraint-Bibliothek firstcs Saskia Sandow Fraunhofer Institut für Rechnerarchitektur und Softwaretechnik page 1 Überblick Ressourcenplanung auf Basis constraintlogischer
MehrECAD-MCAD Integration: Einfügen eines 3D- Gehäusemodells
04.11.2008 ECAD-MCAD Integration: Einfügen eines 3D- Gehäusemodells Frage: Wie kann ich MCAD Objekte in meine PCB-Baugruppe integrieren? Zusammenfassung: Mechanische und elektrische Design-Komponenten
MehrVorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke
Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,
MehrStapellift LW 450-2. Die Produktivität der Schneidmaschine erhöht sich um bis zu 10%, da die Arbeitshöhe beim Be-/Entladen konstant bleibt
Stapellift LW 450-2 Arbeitshöhe durch automatisches Anheben und Absenken von palettiertem Schneidgut. um bis zu 10%, da die Arbeitshöhe beim Be- Beschreibung LW 450-2 Der POLAR Stapellift LW 450-2 wird
MehrInternet Ringversuche
1 Internet Ringversuche Dirk Illigen Patrick Schwarz INSTAND e.v. 2 Besteht Interesse an Internet Ringversuchen? Welche Möglichkeiten bieten Internet Ringversuche? Aktueller Stand Live Demo Blick in die
MehrUse Cases. Die Sicht des Nutzers. Fortgeschrittenenpraktikum SS 2004
Use Cases Die Sicht des Nutzers Fortgeschrittenenpraktikum SS 2004 Gunar Fiedler Lehrstuhl für Technologie der Informationssysteme Kontakt: fiedler@is.informatik.uni-kiel.de Use Cases 2 Was ist ein Use
MehrTypbasierte Analyse von JavaScipt
Typbasierte Analyse von JavaScipt Phillip Heidegger heidegger@informatik.uni-freiburg.de Albert Ludwigs Universität Freiburg 28. Oktober 2008 Gliederung 1 Motivation 2 Einleitung in JavaScript 3 Typsystem
MehrTrusted Shops Kundenbewertungen für MAGENTO. 23. November 2009. 2009 Trusted Shops GmbH
Trusted Shops Kundenbewertungen für MAGENTO 23. November 2009 2009 Trusted Shops GmbH Trusted Shops Kundenbewertungen Das Trusted Shops Kundenbewertungssystem stellt eine effektive Bewertungsfunktion eines
MehrWas können Schüler anhand von Primzahltests über Mathematik lernen?
Was können Schüler anhand von Primzahltests über Mathematik lernen? Innermathematisches Vernetzen von Zahlentheorie und Wahrscheinlichkeitsrechnung Katharina Klembalski Humboldt-Universität Berlin 20.
MehrDie Fuzzy-Logik als methodischer Ansatz in der wissensbasierten Informationsverarbeitung
Ilka Kürbis, Ruhr-Universität Bochum, 20.Jan. 200 Die Fuzzy-Logik als methodischer Ansatz in der wissensbasierten Informationsverarbeitung am Fallbeispiel der Bewertung von luftchemischen Messdaten Logik
MehrKONZEPTE UND ERFAHRUNGEN ZUM EINSATZ EINES DIGITALEN SCHULBUCHS IM MATHEMATIKUNTERRICHT. Dr. Andreas Pallack Aldegrever-Gymnasium Soest
KONZEPTE UND ERFAHRUNGEN ZUM EINSATZ EINES DIGITALEN SCHULBUCHS IM MATHEMATIKUNTERRICHT Dr. Andreas Pallack Aldegrever-Gymnasium Soest ÜBERSICHT Digitale Schulbücher: Begriffsklärung, Theoretischer Hintergrund
MehrEinreichung zum Call for Papers
Internet: www.aitag.com Email: info@aitag.com Einreichung zum Call for Papers Kontaktinformationen Sven Hubert AIT AG Leitzstr. 45 70469 Stuttgart Deutschland http://www.aitag.com bzw. http://tfsblog.de
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 27 29..24 FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Definition
MehrMediumwechsel - VR-NetWorld Software
Mediumwechsel - VR-NetWorld Software Die personalisierte VR-NetWorld-Card wird mit einem festen Laufzeitende ausgeliefert. Am Ende der Laufzeit müssen Sie die bestehende VR-NetWorld-Card gegen eine neue
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrSAP Enterprise Asset Management Maintenance Worker Role
SAP Enterprise Asset Management Maintenance Worker Role Martin Janssen, EAM Solutions SAP AG June 2012 Public Die neue Benutzeroberfläche für den Techniker Visuelle Instandhaltungsanleitungen 2012 SAP
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR
MehrAlgorithmik II. SS 2003 Prof. Dr. H. Stoyan Lehrstuhl für Informatik 8 ( Künstliche Intelligenz) Email: stoyan@informatik.uni-erlangen.
Algorithmik II SS 2003 Prof. Dr. H. Stoyan Lehrstuhl für Informatik 8 ( Künstliche Intelligenz) Email: stoyan@informatik.uni-erlangen.de Homepage der Vorlesung Vorbemerkungen I http://www8.informatik.uni-erlangen.de/immd8
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Literatur Richard Hartle and Andrew Zisserman. Multiple View Geometr in computer vision, Cambridge Universit Press, 2 nd Ed., 23. O.D.
MehrDrucker einrichten. unter Mac OS X in Verbindung mit dem neuen Drucksystem. Version: 2011/08/04. Gauß-IT-Zentrum. 1. Installation des Papercut Clients
Gauß-IT-Zentrum Drucker einrichten unter Mac OS X in Verbindung mit dem neuen Drucksystem 1. Installation des Papercut Clients 2. Druckerinstallation 3. Drucken Version: 2011/08/04 1. Installation des
MehrPrüfbericht zum abschließenden BITV-Test
barrierefrei informieren und kommunizieren BIK Prüfbericht zum abschließenden BITV-Test BITV-Consult c/o Conclusys Detlef Girke Accessibility-Beratung und Workshops Max-Brauer-Allee 45 22765 Hamburg Telefon:
MehrQ1/2013. Suchmaschinen Ranking als unternehmenskritischer Faktor. S&W Immorank Report. Siegfried Spiessberger Alexander Wagner
Q1/2013 Suchmaschinen Ranking als unternehmenskritischer Faktor S&W Immorank Report Siegfried Spiessberger Alexander Wagner S&W Immorank Report Suchmaschinen Ranking als unternehmenskritischer Faktor
Mehr36. SonntagsBlick Langlaufplausch 2015 Anleitung für die Online-Anmeldung
36. SonntagsBlick Langlaufplausch 2015 Anleitung für die Online-Anmeldung Am Dienstag, 1. September 2015 um 08.00 Uhr wird die Anmeldung unter www.davos.ch/langlaufplausch und www.blick.ch/sporterlebnis
MehrCHARACTER ANIMATION in 3D Studio Max. Ulrike Martus
CHARACTER ANIMATION in 3D Studio Max Ulrike Martus Übersicht: 1. Aufbau von Charakteren 2. Animationsmethoden 3. Skelettanimation 4. Oberflächenanimation 2 1. Aufbau von Charakteren Aufbau von Charakteren
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrIm vorliegenden Tutorial erfahren Sie, wie Sie in myfactory Postfächer für den Posteingang und den Postausgang anlegen.
Tutorial: Wie lege ich Postfächer an? Im vorliegenden Tutorial erfahren Sie, wie Sie in myfactory Postfächer für den Posteingang und den Postausgang anlegen. Sie können E-Mails vom Server Ihres E-Mail-Providers
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrPart-Of-Speech-Tagging mit Viterbi Algorithmus
Part-Of-Speech-Tagging mit Viterbi Algorithmus HS Endliche Automaten Inna Nickel, Julia Konstantinova 19.07.2010 1 / 21 Gliederung 1 Motivation 2 Theoretische Grundlagen Hidden Markov Model Viterbi Algorithmus
MehrHilfe zur ekim. Inhalt:
Hilfe zur ekim 1 Hilfe zur ekim Inhalt: 1 Benutzerkonten und rechte... 2 1.1 Hauptkonto (Unternehmer bzw. Lehrer)... 2 1.2 Benutzer (Mitarbeiter bzw. Schüler)... 3 2 Präsentationsmodus... 4 3 Warenkorb...
MehrApparo Fast Edit Daten-Management in einer BI-Umgebung. Dateneingabe-Workflows
Apparo Fast Edit Daten-Management in einer BI-Umgebung Dateneingabe-Workflows 2 Definition Ein Workflow (Arbeitsfluss) besteht aus eine Abfolge von verbundenen Arbeitsschritten. Der Schwerpunkt liegt hierbei
MehrRapidEye - Das schnelle Auge für das Monitoring von Cross-Compliance-Landschaftselementen?
RapidEye - Das schnelle Auge für das Monitoring von Cross-Compliance-Landschaftselementen? Eine Potentialanalyse mit simulierten Satellitendaten Andreas Völker & Cordt Büker EFTAS Fernerkundung Technologietransfer
MehrDas System sollte den Benutzer immer auf dem Laufenden halten, indem es angemessenes Feedback in einer angemessenen Zeit liefert.
Usability Heuristiken Karima Tefifha Proseminar: "Software Engineering Kernkonzepte: Usability" 28.06.2012 Prof. Dr. Kurt Schneider Leibniz Universität Hannover Die ProSeminar-Ausarbeitung beschäftigt
MehrWas bringt TDD wirklich?
Was bringt TDD wirklich? Wissensspritze vom 6..2009, Christian Federspiel Catalysts GmbH McCabe Metrik CCN Die Cyclomatic Complexity Number, misst die Anzahl der möglichen Pfade durch einen Code. Die Metrik
MehrPRÄSENTATION. www.adrolays.de
PRÄSENTATION INHALT adrolays Performance Network RotationAd System & Innovationen Leistungen Märkte Kontakt ADROLAYS Die abilicom GmbH hat ein innovatives System zur Kommunikation von Brands im Internet
MehrSchedulingalgorithmen Rechenzeitverteilung auf Betriebssystemebene. Andi Drebes Fachbereich Informatik Universität Hamburg
Schedulingalgorithmen Rechenzeitverteilung auf Betriebssystemebene Andi Drebes Fachbereich Informatik Universität Hamburg Gliederung Notwendigkeit des Schedulings Einführung: Begriff des Multitaskings
MehrEndbericht fü r das E-Learning Projekt Visualisierung von Netzwerkalgorithmen mit HTML5
Endbericht fü r das E-Learning Projekt Visualisierung von Netzwerkalgorithmen mit HTML5 Projekttitel: Visualisierung von Netzwerkalgorithmen mit HTML5 Projektcode: 2012.252 Projektleiter: Dr. Stefan Podlipnig
MehrHandout für die Nutzung von Open Sankoré
Handout für die Nutzung von Open Sankoré Rechte Funktionsleiste bietet 4 Ansichten (von links nach rechts): (1) Board: Arbeitsfläche (2) Internet: Direkter Aufruf eines Webbrowsers innerhalb von Open Sankoré
Mehr1 Einleitung. Lernziele. automatische Antworten bei Abwesenheit senden. Einstellungen für automatische Antworten Lerndauer. 4 Minuten.
1 Einleitung Lernziele automatische Antworten bei Abwesenheit senden Einstellungen für automatische Antworten Lerndauer 4 Minuten Seite 1 von 18 2 Antworten bei Abwesenheit senden» Outlook kann während
MehrI P A S M M D Innovative Software zur Prozessoptimierung. Prozessoptimierung durch Mensch-Maschine-Diagramm
I P A S M M D Innovative Software zur Prozessoptimierung Prozessoptimierung durch Mensch-Maschine-Diagramm Interaktive Fallbeispiele und weitere Informationen unter: www.mitterhauser.com Optimierung durch
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrZinsrechnung % leicht 1
Zinsrechnung % leicht 1 Berechne den Zinssatz im Kopf! a) b) c) d) Kapital: 1 000 Kapital: 500 Kapital: 20 000 Kapital: 5 000 Zinsen: 20 a) p = 2 % b) p = Zinsen: 1 % 5 c) p = 4 % d) p = Zinsen: 3 % 800
Mehr13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
MehrInstitut für Telematik Universität zu Lübeck. Programmieren. Kapitel 0: Organisatorisches. Wintersemester 2008/2009. Prof. Dr.
Institut für Telematik Universität zu Lübeck Programmieren Kapitel 0: Organisatorisches Wintersemester 2008/2009 Prof. Dr. Christian Werner 1-2 Überblick Ziele Inhaltsüberblick Ablauf der Veranstaltung
MehrZwischenpräsentation Team IdeaPeak
Zwischenpräsentation Team IdeaPeak 2 Flashback: Worum ging es? Welche Heuristik bietet in einem computerbasierten Bewertungsworkshop die besten Voraussetzungen für die Anwendung eines Stopp-Kriteriums?
MehrFeatures & Highlights OneNote 2016
Features & Highlights OneNote 2016 Hier eine kurze Sammlung von Features und Highlights für OneNote 2016. Diese Tipps sollen eine kurze Einleitung in das Arbeiten mit OneNote 2016 darstellen und beim Umgang
MehrMathematik für Information und Kommunikation
Mathematik für Information und Kommunikation Am Beispiel des Huffman- Algorithmus Thomas Borys und (Christian Urff) Huffman im Alltag MPEG Telefax JPEG MP3 ZIP avid Huffman avid Huffman [95-999] www.soe.ucsc.edu/people/faculty/huffman.html
MehrKlausur zur Veranstaltung. Airline- und Airportmanagement. im WS 2008-2009
, Klausur zur Veranstaltung im WS 2008-2009 Hinweise: Die Klausur besteht aus 13 Seiten (inkl. Deckblatt). Bitte überprüfen Sie, ob Ihr Exemplar komplett ist und lassen Sie sich ansonsten ein neues geben.
MehrDas Mathematikabitur. Abiturvorbereitung Geometrie. Autor: Claus Deser Abiturvorbereitung Mathematik 1
Das Mathematikabitur Abiturvorbereitung Geometrie Autor: Claus Deser Abiturvorbereitung Mathematik 1 Gliederung Was sind Vektoren/ ein Vektorraum? Wie misst man Abstände und Winkel? Welche geometrischen
MehrTransparente Hausverwaltung Marketingschmäh oder doch: eine neue Dimension der Dienstleistung?
Transparente Hausverwaltung Marketingschmäh oder doch: eine neue Dimension der Dienstleistung? INTERNET Geschäftsführer Biletti Immobilien GmbH 24/7 WEB Server Frankgasse 2, 1090 Wien E-mail: udo.weinberger@weinberger-biletti.at
MehrACDSee 9 Foto-Manager
Wenn mehr als eine Person Zugang zu Ihrem Computer hat, sollten Sie sich überlegen, wichtige oder vertrauliche Fotos in privaten Ordnern aufzubewahren. Diese passwortgeschützten Ordner verhindern die Einsicht
MehrC++ Tutorial: Timer 1
C++ Tutorial: Timer 1 Timer v1.0 Einleitung Raum und Zeit sind spätestens seit der kopernikanischen Wende wichtige Gegenstände des Denkens geworden. In einem Programm bestimmt die Zeit die Abläufe und
Mehrmagento Inhalt: 1) Zusammenfassung der Daten 2) Grundeinstellungen ändern Schnelleinstieg
magento Schnelleinstieg Dieses Dokument gibt eine kurze Einführung über die wichtigsten Funktionen im Shopsystem Magento. Detaillierte Tutorials (in englischer Sprache) finden Sie hier: http://www.magentocommerce.com/knowledge-base
MehrIBM Software Demos Rational Software Delivery Platform - Änderungen an Design und Architektur einer Anwendung
In dieser Demo verwendet Alex die Visualisierungs- und Modellfunktionen von Rational Software Architect, um die Architektur der Anwendung zu betrachten und festzulegen, wie die Änderung Sofort kaufen bestmöglich
MehrServiceGlobe: Flexible and Reliable Web Service Execution
ServiceGlobe: Flexible and Reliable Web Service Execution Markus Keidl, Stefan Seltzsam und Alfons Kemper Universität Passau Fakultät für Mathematik und Informatik 94030 Passau @db.fmi.uni-passau.de
MehrDirk Riepe; Lerneinheit 3: Microsoft Excel: Statische Investitionsrechnung
Dirk Riepe; Lerneinheit 3: Microsoft Excel: Statische Investitionsrechnung Appetizer Dirk Riepe; Lerneinheit 3: Microsoft Excel: Statische Investitionsrechnung 2 Gliederung: 1. Problemstellung 2. Vorbereitende
MehrEnergieverbrauch von Konsumenten: Ist symbolisches Verhalten wichtiger als tatsächliches Verhalten?
Energieverbrauch von Konsumenten: Ist symbolisches Verhalten wichtiger als tatsächliches Verhalten? Bernadette Sütterlin & Michael Siegrist Consumer Behavior, Institute for Environmental Decisions, ETH
MehrAlgorithmik - Kompaktkurs
Algorithmik - Kompaktkurs Sommersemester 2012 Steffen Lange 0/1, Folie 1 2012 Prof. Steffen Lange - HDa/FbI - Algorithmik Organisatorisches Vorlesung Folien im Netz (/* bitte zur Vorlesung mitbringen */)
MehrAngebot und Leistungsbeschreibung für interaktive Internet Kartografien
Angebot und Leistungsbeschreibung für interaktive Internet Kartografien Wir bieten ein System zur Darstellung von Kartografien im Internet an und fungieren dabei als ASP (Application Service Provider),
MehrSimulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal
Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Viola Ricker Bike-Sharing Bereitstellung von Fahrrädern als öffentliches Verkehrsmittel
MehrKlausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg.
Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert
Mehr3. GLIEDERUNG. Aufgabe:
3. GLIEDERUNG Aufgabe: In der Praxis ist es für einen Ausdruck, der nicht alle Detaildaten enthält, häufig notwendig, Zeilen oder Spalten einer Tabelle auszublenden. Auch eine übersichtlichere Darstellung
MehrStandardisiert aber flexibel
AFCEA e.v. Mittagsforum 24.10.2008 Godesburg, Bonn-Bad Godesberg Standardisiert aber flexibel Prozessmodelle im Übergang von der Theorie in die Praxis. Brian Rosenberger Die Theorie Der entwickelt Verfahren
MehrBauteilattribute als Sachdaten anzeigen
Mit den speedikon Attributfiltern können Sie die speedikon Attribute eines Bauteils als MicroStation Sachdaten an die Elemente anhängen Inhalte Was ist ein speedikon Attribut?... 3 Eigene Attribute vergeben...
MehrACDSee Pro 3-Tutorials: Fotos (+ Datenbank) auf einen anderen Computer bringen
Exportieren der Wenn Sie Ihre Fotos von einem Computer auf einen anderen bringen, vergessen Sie nicht die ACDSee-, sodass auch alle Daten zu Ihrem Fotos mitgenommen werden. Wird die am vorherigen Speicherort
MehrBeispiel vor dem Beweis:
Beispiel vor dem Beweis: Beispiel vor dem Beweis: A = ¼3 6 2 3 11 2½ Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 3 11
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrModerne Ernährungskommunikation in der Schule: Ansätze, Chancen und Grenzen neuer Medien für nachhaltige Kommunikationsprozesse zwischen Schule und Eltern am Beispiel des Schüler-Ernährungscoachs M. Sc.
MehrTUBIS. Rollen-Delegation am Beispiel des Rechts der Bestellung von Software-Lizenzen für dienstliche Zwecke
TUBIS Rollen-Delegation am Beispiel des Rechts der Bestellung von Software-Lizenzen für dienstliche Zwecke Klaus Nagel klaus.nagel@tu-berlin.de 12.09.2007 Hans Mustermann ist verantwortlich für die Kostenstellen
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/5, olie 1 2014 Prof. Steffen Lange - HDa/bI
MehrFilmzitate - CMS System Joomla Dokumentation. Samuel Weibel 10. Dezember 2013 Kantonsschule am Brühl
Filmzitate - CMS System Joomla Dokumentation Samuel Weibel 10. Dezember 2013 Kantonsschule am Brühl 1 Inhaltsverzeichnis Filmzitate CMS System Joomla * Inhaltsverzeichnis Dienstag 5. November 2013 Projekt
MehrAlles auf eine(r) Karte - dank Web 2.0! Konsolidierung kommunaler Inhalte mit Google-Maps
Alles auf eine(r) Karte - dank Web 2.0! Konsolidierung kommunaler Inhalte mit Google-Maps Maps Agenda Web 2.0 GoogleMaps Verbindung CMS Mapping System Beispiele Ausblick Die Vortragenden Hardy Hessenius
MehrSoftware Engineering. Dokumentation. Wintersemester 2005/06. Kapitel 21. Universität Zürich Institut für Informatik
Martin Glinz Harald Gall Software Engineering Wintersemester 2005/06 Kapitel 21 Dokumentation Universität Zürich Institut für Informatik 2006 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe
MehrKapitel 7 und Kapitel 8: Gleichgewichte in gemischten Strategien. Einleitung. Übersicht Teil 2 2. Übersicht 3
Übersicht Teil 2 Kaitel 7 und Kaitel 8: Gleichgewichte in gemischten Strategien Übersicht Teil 2 2 Übersicht Einleitung Was ist eine gemischte Strategie? Nutzen aus gemischten Strategien Reaktionsfunktionen
MehrOSF Integrator für Btracking und Salesforce Anleitung für die Nutzer
OSF Integrator für Btracking und Salesforce Anleitung für die Nutzer Inhalt Beschreibung... 2 Beginn der Nutzung... 2 OSF Integrator für Btracking und Salesforce... 3 1. Fügen Sie Rechnungs- und Versandadressen
MehrBachelor-Arbeiten am Lehrstuhl Informatik VII. Dr. Frank Weichert. frank.weichert@tu-dortmund.de. technische universität dortmund
Bachelor-Arbeiten am Lehrstuhl Dr. Frank Weichert frank.weichert@tu-.de F. Weichert Juli 2013 Bachelor Arbeiten am Lehrstuhl 1 Übersicht zum Lehrstuhl / Thematische Einordnung F. Weichert Juli 2013 Bachelor
MehrRegionen in Binärbildern
Regionen in Binärbildern Industrielle Bildverarbeitung, Vorlesung No. 9 1 M. O. Franz 05.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Auffinden
Mehrmit Layer/Float für MSN
Erstellung eines Rectangles mit Layer/Float für MSN Juni 2010 Installation MXP Extension Kit Hallo liebe Kreativen, Wir freuen uns, dass Sie mit Eyeblaster arbeiten. Um Ihnen Ihre Arbeit zu Erleichtern,
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
Mehr