Classification of Heterogeneous EEG Data by Combining Random Forests

0318431 - ÚI 2009 RIV JP eng C - Conference Paper (international conference)
Klaschka, Jan
Classification of Heterogeneous EEG Data by Combining Random Forests.
[Klasifikace heterogenních EEG dat kombinováním modelů získaných metodou Random Forests.]
Proceedings of IASC 2008. Tokyo: Japanese Society of Computational Statistics, 2008 - (Mizuta, M.; Nakano, J.), s. 888-896. ISBN 978-4-9904445-1-8.
[IASC 2008. Yokohama (JP), 05.12.2008-08.12.2008]
R&D Projects: GA MDS 1F84B/042/520; GA MŠMT ME 949
Institutional research plan: CEZ:AV0Z10300504
Keywords : EEG classification * somnolence * random forests * combining classifiers
Subject RIV: FH - Neurology

The focus of the paper is development of classification models capable of distinguishing, based on electroencephalography (EEG) data, somnolence (sleepiness) from other brain states typically met when driving a car. It is a part of a broader project aimed at prevention of damage caused by drivers' microsleeps. Random Forests (RF) method was chosen, on account of previous experience, as a base classification tool for the classification tasks studied. It is, however, not only routinely used: Various classification models tailored for a specific individual are constructed by combining a RF model derived from the individual's data with a model based on the data of the other suitably selected individuals. Several model combining strategies are described and results of their application on real-life EEG data in an extensive computational experiment are reported.

Článek se zabývá vývojem klasifikačních modelů schopných rozlišit na základě elektroencefalografických (EEG) dat somnolenci (ospalost) od jiných stavů mozku, které se typicky vyskytují při řízení automobilu. Práce je součástí širšího projektu zaměřeného na prevenci škod způsobených mikrospánky řidičů. Jako základní klasifikační nástroj pro studované klasifikační úlohy byla dle předchozích zkušeností vybrána metoda Random Forests (RF). Ta však není užívána pouze rutinně: Různé klasifikační modely "šité na míru" pro specifickou osobu jsou konstruovány tak, že se model odvozený metodou RF z dat daného jedince kombinuje s modelem založeným na datech jiných vhodně vybraných osob. V práci je popsáno několik strategií kombinování modelů a jsou uvedeny výsledky jejich aplikace na reálná EEG data v rozsáhlém výpočetním experimentu.
Permanent Link: http://hdl.handle.net/11104/0167849