Masterarbeit Detection of alpine activities using Smartphones

Student: Christoph Lagger

Betreuer: Peter Schartner

Unfälle im alpinen Gelände, sei es im Sommer bei Wanderungen oder im Winter beim Ski-Touren gehen, passieren unglücklicherweise täglich. Neben der bekannten und standardisierten Sicherheitsausrüstung (z.B. Lawinen Pieps) trägt auch jeder ein Smartphone mit sich welches mit mehreren Sensoren (wie z.B. Beschleunigungssensor und Gyroscope) ausgestattet ist. Zeit spielt bei Unfällen immer eine kritische Rolle, daher könnte eine genaue und wichtige Erkennung dieser Ereignisse (in Form einer mobilen Applikation) die Rettungskette automatisch in Gang setzen und bei Rettungseinsätzen unterstützen. In dieser Arbeit verwenden wir Machine Learning um Bewegungsprofile oder Aktivitäten wie zB. Aufwärts/Abwärts gehen, Abwärts Ski-Fahren, Pause oder im schlimmsten Fall eine Notfall Situation zu erkennen. Ein großes Datenset von Bewegungsprofilen (7 days, 19 hours, 21 minutes and 22 seconds) von allen verfügbaren Smartphone Sensoren wurde während den Aktivitäten im alpinen Geländer aufgenommen. Die Bewegungsprofile wurden analysiert und ein umfangreiches Trainings Datenset erstellt. Das Ziel war es die beste Kombination von Sensoren, Algorithmen, Features und Sliding Window Parametern zu finden um eine genaue Erkennung zu erreichen. Dazu wurde ein Framework entwickelt um automatisiert eine Vielzahl an Experimenten durchführen und mittels 10-Fold Cross Validation vergleichen zu können. Weiters kann man die Bewegungsdaten sowie die Ergebnisse der Simulationen visualisieren. Die Ergebnisse der Experimente sowie die der Simulationen zeigten das der Random Forest Algorithmus mit den Gyroscope und Magnetometer Daten in Kombination mit einem 4-Sekunden Sliding Window und einer Überlappung von 20% unter der Verwendung der Features Root Mean Square, Mean, Signal Vector Magnitude, Energy, Variance, und Standard Deviation einen vielversprechenden F-Measure von 0.975 aufweist.

Abbildung 1: Schlüsselaktivitäten und die zugehörige Simulation unter Verwendung der vielversprechendsten Algorithmen, Sensoren, Features und Sliding Window Parametern. (Blau=Pause, Grün=Bewegung OK, Rot=Unfall)

Leseempfehlung: Fortschritte in der News Recommendation

Wichtige Nachrichtenseiten wie Google News oder Yahoo! News sowie Social Media Seiten wie Facebook oder Twitter bieten ihren Nutzern personalisierte Empfehlungen. Diese Empfehlungen sind auf die individuellen Lesevorlieben der Benutzer zugeschnitten und basieren auf fortgeschrittenen maschinellen Lerntechniken. Forscher der AAU Klagenfurt, der TU Dortmund und der Universität Antwerpen haben kürzlich eine Überblicksarbeit zu Nachrichtenempfehlungssystemen veröffentlicht und ein Software-Framework zum Benchmarking solcher Algorithmen in einem realistischen Umfeld entwickelt.

 

Masterarbeit scan.net – Interaktive Lernplattform für IT-Sicherheit

Student: Andreas Schorn

Betreuer: Peter Schartner

 

Beim Cybersicherheitstraining geht es um die Ausbildung von IT-Sicherheitsexpertinnen und IT-Sicherheitsexperten bzw. die Schulung von Endanwendern und Endanwenderinnen im Bereich Informationssicherheit. Traditionelle Lehr- und Lernmethoden, wie Vorlesungen und Literaturrecherchen, haben sich im Bereich Cybersicherheit als unzureichend herausgestellt. Die Umsetzung von theoretischen Grundkonzepten auf reelle Umgebungen fällt vielen schwer und meist fehlt es an Wissen über die konkrete Vorgehensweise. Mit Hilfe von interaktiven Übungen wird auf praktische Art und Weise versucht, diese Grundkonzepte in einer realitätsnahen Umgebung umzusetzen und so ein besseres Verständnis für Informationssicherheit zu erhalten.

Die Arbeit gibt einen Überblick über unterschiedliche Varianten von Cybersicherheitstrainings bzw. Cybersicherheitsübungen. Es wird der Aufbau und die Umsetzung solcher Übungen, bestehend aus einer abgesicherten Übungsumgebung und Hacking-Anleitungen, näher erläutert. Weiters finden sich Ansätze, wie Cybersicherheitstrainings im Hochschulbereich umgesetzt werden können und es wird die Entwicklung einer eigenen Plattform (scan.net) beschrieben und evaluiert.

 

Studium in Italien

Masterstudien: Angewandte Informatik, Informationsmanagement, Information & Communications Engineering

Studienabschluss

DOUBLE DEGREE – UNIVERSITÀ DEGLI STUDI DI UDINE

„Ein Studium – zwei Abschlüsse“
Nach Abschluss des Double Degree wird Ihnen ein akademischer Grad verliehen, der die rechtlichen Wirkungen sowohl Österreichs als auch des Partnerlandes erfüllt; es darf nur ein akademischer Grad geführt werden.

Schwerpunkte:
Informatik, Informationsmanagement, Information and Communications Engineering & Electronic Engineering, Information and Communications Engineering & Multimedia Systems

Studienaufenthalt

ERASMUS+ – UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Schwerpunkt:
Data Science

Vorteile:

  • Befreiung von Studiengebühren an der Gast- und Heimatuniversität
  • Zuschuss zur Deckung der erhöhten Lebenskosten im Ausland
  • Gute Kontakte und Betreuung vor Ort

Nähere Informationen: