Using Fuzzy k-NN Ensembles in EEG Data Classification

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F07%3A00088983" target="_blank" >RIV/67985807:_____/07:00088983 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Using Fuzzy k-NN Ensembles in EEG Data Classification

Original language description

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 improvethe 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.

Czech name

Kombinování Fuzzy k-NN klasifikátorů pro klasifikaci EEG dat

Czech description

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.

Type

C - Chapter in a specialist book

CEP classification

IN - Informatics

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Book/collection name

Neuroinformatic Databases and Mining of Knowledge of Them

ISBN

978-80-87136-01-0

Number of pages of the result

12

Pages from-to

200-211

Number of pages of the book

—

Publisher name

Czech Technical University

Place of publication

Prague

UT code for WoS chapter

—