@inproceedings{4587819,
  abstract = {We present a statistical learning approach for finding recreational trails in aerial images. While the problem of recognizing relatively straight and well defined roadways in digital images has been well studied in the literature, the more difficult problem of extracting trails has received no attention. However, trails and rough roads are less likely to be adequately mapped, and change more rapidly over time. Automated tools for finding trails will be useful to cartographers, recreational users and governments. In addition, the methods developed here are applicable to the more general problem of finding linear structure. Our approach combines local estimates for image pixel trail probabilities with the global constraint that such pixels must link together to form a path. For the local part, we present results using three classification techniques. To construct a global solution (a trail) from these probabilities, we propose a global cost function that includes both global probability and path length. We show that the addition of a length term significantly improves trail finding ability. However, computing the optimal trail becomes intractable as known dynamic programming methods do not apply. Thus we describe a new splitting heuristic based on Dijkstra's algorithm. We then further improve upon the results with a trail sampling scheme. We test our approach on 500 challenging images along the 2500 mile continental divide mountain bike trail, where assumptions prevalent in the road literature are violated.},
  author = {Morris, S. and Barnard, K.},
  booktitle = {Computer Vision and Pattern Recognition, 2008. CVPR 2008. IEEE Conference on},
  doi = {10.1109/CVPR.2008.4587819},
  interhash = {4886e90202778766c8832765ff291e44},
  intrahash = {bcec19c981718168825ca203b6935204},
  issn = {1063-6919},
  month = {June},
  pages = {1-8},
  title = {Finding trails},
  url = {http://ieeexplore.ieee.org/xpl/articleDetails.jsp?reload=true&arnumber=4587819},
  year = 2008
}

@mastersthesis{tillmann2013browser,
  abstract = {Bei dem Aufruf einer Website werden Informationen, u. a. Angaben über das verwendete Betriebssystem und den verwendeten Browser, an den Server gesendet. Über lokal ausgeführte Skripte oder Plugins lassen sich weitere Konfigurationsmerkmale abfragen. So können die verwendete Bildschirmauflösung, die Systemfarben, die Liste der installierten Schriftarten und weitere Eigenschaften des Geräts ermittelt und dann zum Server übertragen werden. Aus diesenMerkmalen kann ein virtueller Fingerabdruck (Browser Fingerprint) erstellt werden, der den Nutzer möglicherweise eindeutig identifiziert.

In dieser Diplomarbeit werden die einzelnen Merkmale des Fingrprintings vorgestellt und in einer begleitenden Feldstudie eingesetzt. Ihr geht die Hypothese voraus, dass viele, wenn auch nicht alle, Browser Fingerprints einzigartig sind. Ebenso wird in dem Dokument erläutert, wie diese zum Tracking von Nutzern verwendet werden können, welche weiteren Möglichkeiten abseits der klassischen Verwendung von Cookies existieren und ob sich der Nutzer davor schützen kann.},
  author = {Tillmann, Henning},
  interhash = {f6f921b36d5f33ff879f55668e16b0b8},
  intrahash = {33c4943d681d7d8e07d85ce343afe3c9},
  projekt = {http://bfp.henning-tillmann.de},
  school = {Humboldt-Universität zu Berlin},
  title = {Browser Fingerprinting: Tracking ohne Spuren zu hinterlassen},
  year = 2013
}

@article{goldbergtracking,
  author = {Goldberg, Mark and Magdon ismail, Malik and Nambirajan, Srinivas and Thompson, James},
  interhash = {cfde2673d41ea69c4ec2750749f76c8e},
  intrahash = {17a06b71460472ba0212a03debbe6a42},
  title = {Tracking and Predicting Evolution of Social Communities},
  url = {http://130.203.133.150/viewdoc/summary;jsessionid=F5AEFEF80D05D6B5A0262BA46AEE899D?doi=10.1.1.225.2523},
  year = {?}
}

@incollection{Link.2008,
  abstract = {Für die Untersuchung ergonomischer Fragestellungen bietet sich der Einsatz berührungsloser Blickerfassungssysteme an. Am FGAN Forschungsinstitut für Kommunikation, Informationsverarbeitung und Ergonomie wird zurzeit das System SmartEye Pro verwendet, um Kopfstellung, Blickrichtung und Bewegungen des Augenlides von Probanden in Echtzeit zu erfassen. In zwei Vorstudien wurden die Auswirkung verschiedener Kalibrierungseinstellungen auf die Trackingqualität und die Qualität der Messung von Sakkaden und Fixationen evaluiert. Es zeigte sich, dass das System geeignet ist, statistische Aussagen in Bezug auf Blickbewegungen und Lidschlussverhalten zu generieren. Jedoch ist die Bestimmung von Sakkaden- und Fixationsparametern nur eingeschränkt möglich. Unter Berücksichtigung dieser Restriktionen wird das System zurzeit in einem Verbundforschungsprojekt mit der Deutschen Sporthochschule Köln und dem Zentralen Institut des Sanitätsdienstes der Bundeswehr Koblenz zur Erfassung der psycho-physiologische Leistungsfähigkeit von Soldaten verwendet.},
  address = {Berlin},
  author = {Link, D. and Tietze, H. and Schmidt, L. and Sievert, A. and Gorges, W. and Leyk, D.},
  booktitle = {Ergonomie und Mensch-Maschine-Systeme},
  editor = {Schmidt, L. and Schlick, C. M. and Grosche, J.},
  interhash = {59d95cb9a70bc40235dda352e97760da},
  intrahash = {07912b8dc9e19cb92766dd3dba4ed075},
  isbn = {9783540783305},
  pages = {371-391},
  publisher = {Springer},
  title = {Berührungslose Augen- und Blickbewegungsmessung},
  year = 2008
}

@inproceedings{kdml15,
  abstract = {Computerunterstütztes Ressourcenmanagement in Krankenhäusern wird, nicht zuletzt durch den Kostendruck, immer wichtiger. Wir besprechen, wie mit Data Mining Technologien das Ressourcenmanagement für mobile medizinische Geräte in einem Krankenhaus unterstützt werden kann und welches Potenzial in der Auswertung von Nutzungsdaten für ein Krankenhaus bestehen.},
  address = {Kassel, Germany},
  author = {Schult, Rene and Kurbjuhn., Bastian},
  booktitle = {Proceedings of LWA2010 - Workshop-Woche: Lernen, Wissen {\&} Adaptivitaet},
  crossref = {lwa2010},
  editor = {Atzmüller, Martin and Benz, Dominik and Hotho, Andreas and Stumme, Gerd},
  interhash = {5b2003602c769b3ed363267565c8ff17},
  intrahash = {37adf4c8302071c02ae7c344a0d91315},
  presentation_end = {2010-10-05 17:15:00},
  presentation_start = {2010-10-05 17:05:00},
  room = {0446},
  session = {kdml2},
  title = {Potenzial des Data Mining für Ressourcenoptimierung mobiler Geräte im Krankenhaus},
  track = {kdml},
  url = {http://www.kde.cs.uni-kassel.de/conf/lwa10/papers/kdml15.pdf},
  year = 2010
}