Napredna pretraga

Pregled bibliografske jedinice broj: 651693

Važnost pojedinih značajki u klasifikaciji metodom slučajnih šuma


Pejčinović, Mihaela
Važnost pojedinih značajki u klasifikaciji metodom slučajnih šuma 2012., diplomski rad, preddiplomski, Fakultet elektrotehnike i računarstva, Zagreb


Naslov
Važnost pojedinih značajki u klasifikaciji metodom slučajnih šuma
(The importance of classification parameters in „Random Forest“ learning method)

Autori
Pejčinović, Mihaela

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
6.7

Godina
2012

Stranica
46

Mentor
Seršić, Damir

Ključne riječi
Elektroencefalogram (EEG); signal; nestacionarnost; nelinearnost; dekompozicija; pretprocesiranje; Hilbert-Huangova transformacija; empirijska dekompozicija signala (EMD); jednostavna svojstvena funkcija (IMF); „Slučajne šume“; skup podataka za treniranje; skup podataka za testiranje; klasifikacija; nadzirano učenje; stablo odluke; PROC krivulje; parametri TP; TN; FP; FN; rffit; proc; RIS
(EEG; signal; non-stationary; non-linear; decomposition; pre-processing; Hilbert-Huang transform; Empirical Mode Decomposition (EMD); Intrinsical Mode Function IMF; Random Forest; training set; bootstrap set; out-of-bag (oob); Classification; Supervised Learning; decision tree; Precision-Recall Operating Characteristic; parameters TP (True Positive); TN (True Negative); FP (False Positive); FN (False Negative); rffit; proc; Raw Importance Score (RIS))

Sažetak
U okviru je ovog rada obrađena, kroz tematiku klasifikacije faza sna, metoda strojnog učenja „Random Forest“. U uvodnom se dijelu najprije razmatra izvorni oblik podataka-snimljeni EEG signal. Nakon promatranja temeljnih svojstava tog nestacionarnog signala, u nastavku se razlažu temeljne metode pretprocesiranja istoga korištenjem odabrane HHT transformacije, kako bi se izračunali parametri ključni kao značajke vektora koji je ulazni podatak u klasifikator. Naposljetku, promatra se metoda klasifikacije, njezina svojstva i karakteristike tipične za metodu strojnog učenja „Random Forest“, te njezina primjena na promatrani problem. Završni dio predstavlja obrazlaganje dobivenih rezultata, kao i poboljšanja koja bi mogla povećati uspješnost promatranog postupka klasifikacije. U tom dijelu posebice se stavlja naglasak na značajke odabrane kao ulaz u klasifikator te načini njihovog poboljšanja.

Izvorni jezik
Hrvatski

Znanstvena područja
Elektrotehnika



POVEZANOST RADA


Ustanove
Fakultet elektrotehnike i računarstva, Zagreb