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
—