All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Using Fuzzy k-NN Ensembles in EEG Data Classification

The result's identifiers

  • 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

Alternative languages

  • 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.

Classification

  • Type

    C - Chapter in a specialist book

  • CEP classification

    IN - Informatics

  • OECD FORD branch

Result continuities

  • 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)

Others

  • Publication year

    2007

  • Confidentiality

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

Data specific for result type

  • 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