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”

Použití přírodou inspirovaných konceptů při shlukování dlouhodobých záznamů EKG

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03151590" target="_blank" >RIV/68407700:21230/08:03151590 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Nature Inspired Concepts in Long-Term Electrocardiogram Clustering

  • Popis výsledku v původním jazyce

    In this paper we compare and evaluate the use of clustering approaches that use nature inspired concepts. The following methods are considered: Ant Colony inspired Clustering, Ant Colony inspired method for Decision Tree generation, Radial Basis FunctionNeural Networks with different learning algorithms. We compare the nature inspired methods to classical approaches, such as hierarchical clustering and k-means. The best-performing method over the whole dataset has been agglomerative hierarchical clustering (Se=94.3, Sp=74.1), however it is practically unusable as it is memory and computational demanding. Acceptable results (complexity vs. error) have been obtained by the Ant-Colony inspired method for Decision tree generation (Se=93.1, Sp=72.8).

  • Název v anglickém jazyce

    Nature Inspired Concepts in Long-Term Electrocardiogram Clustering

  • Popis výsledku anglicky

    In this paper we compare and evaluate the use of clustering approaches that use nature inspired concepts. The following methods are considered: Ant Colony inspired Clustering, Ant Colony inspired method for Decision Tree generation, Radial Basis FunctionNeural Networks with different learning algorithms. We compare the nature inspired methods to classical approaches, such as hierarchical clustering and k-means. The best-performing method over the whole dataset has been agglomerative hierarchical clustering (Se=94.3, Sp=74.1), however it is practically unusable as it is memory and computational demanding. Acceptable results (complexity vs. error) have been obtained by the Ant-Colony inspired method for Decision tree generation (Se=93.1, Sp=72.8).

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • 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

    IFMBE Proceedings

  • ISBN

    978-3-540-89207-6

  • ISSN

    1680-0737

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

  • Název nakladatele

    Springer

  • Místo vydání

    Berlin

  • Místo konání akce

    Antwerp

  • Datum konání akce

    23. 11. 2008

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku