Software pro optimalizaci klasifikační analýzy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F17%3APR28946" target="_blank" >RIV/00216305:26220/17:PR28946 - isvavai.cz</a>

Výsledek na webu

<a href="http://splab.cz/download/software/software-pro-optimalizaci-klasifikacni-analyzy" target="_blank" >http://splab.cz/download/software/software-pro-optimalizaci-klasifikacni-analyzy</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Software pro optimalizaci klasifikační analýzy

Popis výsledku v původním jazyce

V oblasti zpracování a analýzy biomedicínských signálů (např. patologické řeči) je často potřebným krokem analýzy tzv. binární klasifikace. Pro tento účel je v současné době používáno mnoho sofistikovaných klasifikačních technik. Software pro optimalizaci klasifikační analýzy (CGST) poskytuje uživateli možnost jednoduché a rychlé optimalizace zvoleného algoritmu binární klasifikace. Software CGST poskytuje možnost optimalizace 6 různých klasifikačních technik: metoda podpůrných vektorů (SVM), naivní Bayesovy sítě (NBN), diskriminační analýza (LDA), k-nejbližších sousedů (kNN), klasifikační stromy (RF) a Gaussovy smíšené modely (GMM). Software poskytuje 18 světově uznávaných metrik pro hodnocení kvality binární klasifikace: klasifikační přesnost (ACC), senzitivita (SEN), specificita (SPE), Matthewsův korelační koeficient (MCC), atd.

Název v anglickém jazyce

Classification grid search tool

Popis výsledku anglicky

In the field of biomedical signal processing (e.g. pathological speech signal processing), often it is necessary to use binary classification. For this purpose, the researchers nowadays use multiple sophisticated classification techniques. Classification grid search tool (CGST) provides an easy and fast way to optimize selected classification model. Software SGCT provides the 6 possible classification techniques: Support Vector Machines (SVM), Naive Bayes Networks (NBN), Linear Discriminant Analysis (LDA), k-Nearest Neighbour (kNN), Classification Trees (RF) and Gaussian Mixture Models (GMM). It also provides 18 metrics evaluating quality of classification process: Classification Accuracy (ACC), sensitivity (SEN), specificity (SPE), Matthew’s Correlation Coefficient (MCC), etc.

Druh

R - Software

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/LO1401" target="_blank" >LO1401: Interdisciplinární výzkum bezdrátových technologií</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

Software pro optimalizaci klasif

Technické parametry

Pro jednání o licenčních podmínkách tohoto softwaru je za VUT pověřen pracovník Centra pro transfer technologií VUT v Brně Ing. Lukáš Novák, Kounicova 966/67a, Veveří, 60200, Brno, Česká republika, novak@ro.vutbr.cz.

Ekonomické parametry

Software je využíván na univerzitě Escola Universitaria Politecnica de Mataro, Avda. Ernest Lluch 32, 08302 Mataro (BARCELONA), Spain a v technologickém kampusu Tecnocampus Mataro-Maresme, Avda. Ernest Lluch 32, 08302 Mataro (BARCELONA) Spain. Pro výzkumné, vývojové a akademické účely je software šířen pod licencí GPL.

IČO vlastníka výsledku

—

Název vlastníka

Ústav telekomunikací