Neuroinformatic Databases and Mining of Knowledge of Them

0088983 - ÚI 2008 RIV CZ eng M - Část monografie knihy
Štefka, David - Holeňa, Martin
Using Fuzzy k-NN Ensembles in EEG Data Classification.
[Kombinování Fuzzy k-NN klasifikátorů pro klasifikaci EEG dat.]
Neuroinformatic Databases and Mining of Knowledge of Them. Prague: Czech Technical University, 2007 - (Novák, M.), s. 200-211. Edice monografií NNW, 7. ISBN 978-80-87136-01-0
Grant CEP: GA AV ČR 1ET100300517; GA MŠMT ME 701; GA ČR GA201/05/0325
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: EEG data * classification * classifier combining * quality improvement * extracting knowledge * fuzzy k-nearest neighbor classifiers
Kód oboru RIV: IN - Informatika

Ensemble methods try to improve quality of classification by creating multiple classifiers and aggregating their outputs. In this paper, we present the use of ensemble methods for classification of EEG data from the project "Building Neuroinformation Bases, and Extracting Knowledge from them". The EEG data are classified using different algorithms from the Weka framework to find out an efficient classification algorithm for the EEG data. A multiple feature subset ensemble method is then used to improve the quality of classification of a fuzzy k-nearest neighbor classifier. Two different aggregation schemes are used - the mean value aggregation algorithm outperforming the Sugeno fuzzy integral aggregation algorithm.

Metody spojování klasifikátorů se snaží zlepšit kvalitu klasifikace tím, že používají několik různých klasifikátorů a kombinují jejich výstupy. V tomto článku popíšeme použití tzv. ensembleových metod pro klasifikaci dat z projektu "Budování neuroinformačních bází a získávání znalostí z nich". Tato data jsou klasifikována pomocí různých metod ze softwarového balíku Weka, aby byly nalezeny vhodné klasifikační algoritmy. Metoda "multiple feature subset" je následně použita ke zvýšení kvality klasifikace pomocí fuzzy k-NN klasifikátoru. Pro agregaci jsou použity dva přístupy - střední hodnota a Sugenův fuzzy integrál, z nichž lepších výsledků dosahuje střední hodnota.
Trvalý link: http://hdl.handle.net/11104/0150345