About: Using Fuzzy k-NN Ensembles in EEG Data Classification

Facets (new session)
Description
Metadata
Settings
- owl:sameAs
- Inference Rule:

About: Using Fuzzy k-NN Ensembles in EEG Data Classification Goto Sponge NotDistinct Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Vysledek, within Data Space : linked.opendata.cz associated with source document(s)

Attributes	Values
rdf:type	skos:Concept http://linked.opendata.cz/ontology/domain/vavai/Vysledek
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 %22Budování neuroinformačních bází a získávání znalostí z nich%22. Tato data jsou klasifikována pomocí různých metod ze softwarového balíku Weka, aby byly nalezeny vhodné klasifikační algoritmy. Metoda %22multiple feature subset%22 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. (cs) 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 %22Building Neuroinformation Bases, and Extracting Knowledge from them%22. 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 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. 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 %22Building Neuroinformation Bases, and Extracting Knowledge from them%22. 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 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. (en)
Title	Using Fuzzy k-NN Ensembles in EEG Data Classification Using Fuzzy k-NN Ensembles in EEG Data Classification (en) Kombinování Fuzzy k-NN klasifikátorů pro klasifikaci EEG dat (cs)
skos:prefLabel	Using Fuzzy k-NN Ensembles in EEG Data Classification Using Fuzzy k-NN Ensembles in EEG Data Classification (en) Kombinování Fuzzy k-NN klasifikátorů pro klasifikaci EEG dat (cs)
skos:notation	RIV/67985807:_____/07:00088983!RIV08-AV0-67985807
http://linked.open.../vavai/riv/strany	200;211
http://linked.open...avai/riv/aktivita	P Z
http://linked.open...avai/riv/aktivity	P(1ET100300517), P(GA201/05/0325), P(ME 701), Z(AV0Z10300504)
http://linked.open...vai/riv/dodaniDat	2008
http://linked.open...aciTvurceVysledku	Holeňa, Martin Štefka, David
http://linked.open.../riv/druhVysledku	C - Kapitola v knize
http://linked.open...iv/duvernostUdaju	S - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů
http://linked.open...titaPredkladatele	Ústav informatiky AV ČR, v. v. i.
http://linked.open...dnocenehoVysledku	457008
http://linked.open...ai/riv/idVysledku	RIV/67985807:_____/07:00088983
http://linked.open...riv/jazykVysledku	eng - angličtina
http://linked.open.../riv/klicovaSlova	EEG data; classification; classifier combining; quality improvement; extracting knowledge; fuzzy k-nearest neighbor classifiers (en)
http://linked.open.../riv/klicoveSlovo	fuzzy k-nearest neighbor classifiers classifier combining quality improvement extracting knowledge EEG data classification
http://linked.open...ontrolniKodProRIV	[310474B8C9FC]
http://linked.open...i/riv/mistoVydani	Prague
http://linked.open...vEdiceCisloSvazku	Edice monografií NNW, 7
http://linked.open...i/riv/nazevZdroje	Neuroinformatic Databases and Mining of Knowledge of Them
http://linked.open...in/vavai/riv/obor	IN
http://linked.open...ichTvurcuVysledku	2 (xsd:int)
http://linked.open...cetTvurcuVysledku	2 (xsd:int)
http://linked.open...vavai/riv/projekt	New methods and tools for knowledge discovery in databases Methods for Intelligent Systems and Their Applications in Datamining and Natural Language Processing http://linked.opendata.cz/resource/domain/vavai/projekt/ME%20701
http://linked.open...UplatneniVysledku	2007
http://linked.open...iv/tvurceVysledku	Holeňa, Martin Štefka, David
http://linked.open...n/vavai/riv/zamer	Informatika pro informační společnost: modely, algoritmy, aplikace
number of pages	12 (xsd:int)
http://purl.org/ne...btex#hasPublisher	České vysoké učení technické v Praze
https://schema.org/isbn	978-80-87136-01-0
is http://linked.open...avai/riv/vysledek of	Using Fuzzy k-NN Ensembles in EEG Data Classification Using Fuzzy k-NN Ensembles in EEG Data Classification Using Fuzzy k-NN Ensembles in EEG Data Classification

Faceted Search & Find service v1.16.118 as of Jun 21 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 58 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software