Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Klasifikace EEG dat s použitím kombinování Fuzzy k-NN klasifikátorů

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F07%3A00087505" target="_blank" >RIV/67985807:_____/07:00087505 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Classification of EEG Data using Fuzzy k-NN Ensembles

  • Popis výsledku v původním jazyce

    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", within which a possibility of preventing drivers' microsleeps is studied. A multiple feature subset ensemble method is used to improve the 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

  • Název v anglickém jazyce

    Classification of EEG Data using Fuzzy k-NN Ensembles

  • Popis výsledku anglicky

    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", within which a possibility of preventing drivers' microsleeps is studied. A multiple feature subset ensemble method is used to improve the 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

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Informačné technológie - Aplikácie a Teória

  • ISBN

    978-80-969184-6-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    91-94

  • Název nakladatele

    PONT

  • Místo vydání

    Seňa

  • Místo konání akce

    Poľana

  • Datum konání akce

    21. 9. 2007

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku