Wyniki wyszukiwania

Wynik wyszukiwania

1/69
Nr opisu: 0000136587
Heuristic-based feature selection for rough set approach.
[Aut.]: Urszula Stańczyk, B. Zielosko.
-Int. J. Approx. Reasoning 2020 vol. 125, s. 187-202, bibliogr. 65 poz.. Impact Factor 2.678. Punktacja MNiSW 140.000

reguły decyzyjne ; dyskretyzacja ; selekcja cech ; heurystyki zachłanne ; zbiory przybliżone ; stylometria

decision rules ; discretisation ; feature selection ; greedy heuristic ; rough sets ; stylometry

2/69
Nr opisu: 0000137558
Multimodal brain tumor classification using deep learning and robust feature selection: a machine learning application for radiologists.
[Aut.]: M. A. Khan, I. Ashraf, M. Alhaisoni, Robertas Damasevicius, R. Scherer, A. Rehman, S. A. C. Bukhari.
-Diagnostics 2020 vol. 10 iss. 8, s. 1-19, bibliogr. 44 poz.. Impact Factor 3.110. Punktacja MNiSW 70.000

guz mózgu ; opieka medyczna ; kontrast liniowy ; transfer learning ; funkcje uczenia głębokiego ; wybór funkcji ; fuzja funkcji ; PLS ; ELM

brain tumor ; healthcare ; linear contrast ; transfer learning ; deep learning features ; feature selection ; feature fusion ; PLS ; ELM

3/69
Nr opisu: 0000138300
On positive-correlation-promoting reducts.
[Aut.]: Joanna Henzel, A. Janusz, Marek Sikora, D. Ślęzak.
W: Rough sets. International joint conference, IJCRS 2020, Havana, Cuba, June 29 - July 3, 2020. Proceedings. Eds. Rafael Bello, Duoqian Miao, Rafael Falcon, Michinori Nakata, Alejandro Rosete, Davide Ciucci. Cham : Springer, 2020, s. 213-221, bibliogr. 12 poz. (Lecture Notes in Computer Science ; vol. 12179 Lecture Notes in Artificial Intelligence ; 0302-9743)

zbiory przybliżone ; selekcja cech ; dostrzegalność ; indukcja reguł ; pakiet RoughSets R

rough sets ; feature selection ; discernibility ; rule induction ; positive-correlation-promoting reducts ; RoughSets R package

4/69
Nr opisu: 0000131325
On stability of feature selection based on MALDI mass spectrometry imaging data and simulated biopsy.
[Aut.]: Agata Wilk, M. Gawin, Katarzyna Frątczak, P. Widłak, Krzysztof Fujarewicz.
W: Current trends in biomedical engineering and bioimages analysis. Proceedings of the 21st Polish Conference on Biocybernetics and Biomedical Engineering, Zielona Góra, Poland, 25-27 September 2019. Eds.: Józef Korbicz, Roman Maniewski, Krzysztof Patan, Marek Kowal. Cham : Springer, 2020, s. 82-93, bibliogr. 23 poz. (Advances in Intelligent Systems and Computing ; vol. 1033 2194-5357). Punktacja MNiSW 20.000

obrazowanie metodą spektrometrii mas MALDI ; uczenie maszynowe ; selekcja cech ; biopsja cienkoigłowa

MALDI mass spectrometry imaging ; machine learning ; feature selection ; fine needle biopsy

5/69
Nr opisu: 0000139125
Pearson correlation-based feature selection for document classification using balanced training.
[Aut.]: I. M. Nasir, M. A. Khan, M. Yasmin, J. H. Shah, M. Gabryel, R. Scherer, Robertas Damasevicius.
-Sensors 2020 vol. 20 iss. 23, s. 1-18, bibliogr. 53 poz.. Impact Factor 3.275. Punktacja MNiSW 100.000

klasyfikacja dokumentów ; uczenie głębokie ; selekcja cech ; rozszerzanie danych ; niezrównoważony zbiór danych

document classification ; deep learning ; feature selection ; data augmentation ; imbalanced dataset

6/69
Nr opisu: 0000137791
Performance evaluation for ranking-based discretisation.
[Aut.]: Grzegorz Baron, Urszula Stańczyk.
W: Knowledge-based and intelligent information & engineering systems. Proceedings of the 24th International Conference KES2020. Eds. M. Cristiani, C. Toro, C. Zanni-Merk, R. J. Howlett, L. C. Jain. Amsterdam : Elsevier B.V., 2020, s. 3335-3344, bibliogr. 28 poz. (Procedia Computer Science ; vol. 176 1877-0509). Punktacja MNiSW 70.000

dyskretyzacja ; selekcja cech ; ranking ; znaczenie atrybutu ; stylometria ; klasyfikacja

discretization ; feature selection ; ranking ; importance of attribute ; stylometry ; classification

7/69
Nr opisu: 0000129594
The data dimensionality reduction and features weighting in the classification Process using forest optimization algorithm.
[Aut.]: Daniel Kostrzewa, Robert Brzeski.
W: Machine learning paradigms: theory and application. Eds. Maciej Huk, Marcin Maleszka, Edward Szczerbicki. Cham : Springer, 2020, s. 97-108, bibliogr. 26 poz. (Studies in Computational Intelligence ; vol. 830 1860-949X). Punktacja MNiSW 20.000

redukcja wymiarowości ; wybór cech ; klasyfikacja ; UCI machine learning repository ; dźwięk ; ważenie cech ; algorytm wzrostu lasu

dimensionality reduction ; feature selection ; classification ; UCI machine learning repository ; sound ; features weighting ; forest optimization algorithm

8/69
Nr opisu: 0000131013
Evolutionarily-tuned support vector machines.
[Aut.]: Wojciech Dudzik, Michał Kawulok, Jakub Nalepa.
W: Proceedings of the 2019 Genetic and Evolutionary Computation Conference Companion. GECCO'19 Companion, July 13-17, 2019, Prague, Czech Republic. Association for Computing Machinery. New York : Association for Computing Machinery, 2019, s. 165-166, bibliogr. 8 poz.. Punktacja MNiSW 140.000

Maszyna Wektorów Nośnych ; selekcja cech ; algorytm memetyczny ; dobór zestawu treningowego

Support Vector Machine ; feature selection ; memetic algorithm ; training set selection

9/69
Nr opisu: 0000133464
Generalized distributed Monte Carlo feature selection for high dimensional problems. Rozprawa doktorska.
[Aut.]: Łukasz* Król.
Gliwice, 2019, 129 s., bibliogr. 100 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: dr hab. inż. Joanna Polańska

selekcja cech ; analiza przeżycia ; przetwarzanie rozproszone ; wykrywanie interakcji

feature selection ; survival analysis ; distributed computing ; interaction mining

10/69
Nr opisu: 0000131246
The influence of the normalisation of spinal CT images on the significance of textural features in the identification of defects in the spongy tissue structure.
[Aut.]: R. Dzierżak, Z. Omiotek, Ewaryst Tkacz, A. Kępa.
W: Innovations in biomedical engineering. IBE 2018. Eds.: Ewaryst Tkacz, Marek Gzik, Zbigniew Paszenda, Ewa Piętka. Cham : Springer, 2019, s. 55-66, bibliogr. 25 poz. (Advances in Intelligent Systems and Computing ; vol. 925 2194-5357). Punktacja MNiSW 20.000

osteoporoza ; obraz tomograficzny ; normalizacja obrazu ; selekcja cech ; klasyfikacja

osteoporosis ; CT image ; image normalisation ; feature selection ; classification

11/69
Nr opisu: 0000129747
The role of feature selection in text mining in the process of discovering missing clinical annotations - case study.
[Aut.]: Aleksander Płaczek, Alicja* Płuciennik, Mirosław* Pach, M. Jarząb, Dariusz Mrozek.
W: Beyond databases, architectures and structures. Paving the road to smart data processing and analysis. 15th International conference, BDAS 2019, Ustroń, Poland, May 28-31, 2019. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2019, s. 248-262, bibliogr. 22 poz. (Communications in Computer and Information Science ; vol. 1018 1865-0929). Punktacja MNiSW 20.000

eksploracja danych tekstowych ; selekcja cech ; nieustrukturyzowany tekst medyczny ; odwrotna częstość dokumentu ; porządkowanie tekstu

text mining ; feature selection ; unstructured medical text ; inverse document frequency ; text tiding

12/69
Nr opisu: 0000120476
Advances in feature selection for data and pattern recognition. Eds. Urszula Stańczyk, Beata Zielosko, Lakhmi C. Jain.
Cham : Springer International Publishing, 2018, 328 s.
(Intelligent Systems Reference Library ; vol. 138 1868-4394). Punktacja MNiSW 80.000

selekcja cech ; rozpoznawanie wzorców

feature selection ; pattern recognition

13/69
Nr opisu: 0000120480
Advances in feature selection for data and pattern recognition: an introduction.
[Aut.]: Urszula Stańczyk, B. Zielosko, L. C. Jain.
W: Advances in feature selection for data and pattern recognition. Eds. Urszula Stańczyk, Beata Zielosko, Lakhmi C. Jain. Cham : Springer International Publishing, 2018, s. 1-9, bibliogr. 37 poz. (Intelligent Systems Reference Library ; vol. 138 1868-4394). Punktacja MNiSW 20.000

selekcja cech ; rozpoznawanie wzorców ; data mining

feature selection ; pattern recognition ; data mining

14/69
Nr opisu: 0000125801
Application of greedy heuristics for feature characterisation and selection: A case study in stylometric domain.
[Aut.]: Urszula Stańczyk, B. Zielosko, K. Żabiński.
W: Rough sets. International joint conference, IJCRS 2018, Quy Nhon, Vietnam, August 20-24, 2018. Proceedings. Eds. Hung Son Nguyen, Quang-Thuy Ha, Tianrui Li, Małgorzata Przybyła-Kasperek. Cham : Springer, 2018, s. 350-362, bibliogr. 14 poz. (Lecture Notes in Computer Science ; vol. 11103 Lecture Notes in Artificial Intelligence ; 0302-9743). Punktacja MNiSW 20.000

charakterystyka cech ; selekcja cech ; heurystyki zachłanne ; reguły decyzyjne ; przycinanie ; stylometria

feature characterisation ; feature selection ; greedy heuristic ; decision rules ; pruning ; stylometry

15/69
Nr opisu: 0000121563
Comparing different data fusion strategies for cancer classification.
[Aut.]: Katarzyna* Pojda, Michał* Jakubczak, Sebastian Student, Andrzej Świerniak, Krzysztof Fujarewicz.
W: Proceedings of the International Conference on Information Technology & Systems. ICITS 18, Libertad City, Ecuador, January 10 - 12, 2018. Eds.: Alvaro Rocha, Teresa Guarda. Cham : Springer, 2018, s. 417-426, bibliogr. 15 poz. (Advances in Intelligent Systems and Computing ; vol. 721 2194-5357). Punktacja MNiSW 15.000

klasyfikacja nowotworu ; selekcja cech ; fuzja danych ; uczenie maszynowe

cancer classification ; feature selection ; data fusion ; machine learning

16/69
Nr opisu: 0000127998
Cost-sensitive feature selection for class imbalance problem.
[Aut.]: Małgorzata Bach, Aleksandra Werner.
W: Information Systems Architecture and Technology. Proceedings of 38th International Conference on Information Systems Architecture and Technology - ISAT 2017. Proceedings paper. Pt. 1. Eds.: Leszek Borzemski, Jerzy Świątek, Zofia Wilimowska. Cham : Springer, 2018, s. 182-194, bibliogr. 22 poz. (Advances in Intelligent Systems and Computing ; vol. 655 2194-5357). Punktacja MNiSW 15.000

problem danych niezrównoważonych ; selekcja cech ; uczenie wrażliwe na koszt błędnej klasyfikacji ; klasyfikacja

class imbalance problem ; feature selection ; cost sensitive learning ; classification

17/69
Nr opisu: 0000126040
Feature selection based on logistic regression for 2-class classification of multidimensional molecular data.
[Aut.]: Sebastian Student, Alicja* Płuciennik, Michał* Jakubczak, Krzysztof Fujarewicz.
W: Artificial intelligence: methodology, systems, and applications. 18th International Conference, AIMSA 2018, Varna, Bulgaria, September 12-14, 2018. Proceedings. Eds.: Gennady Agre, Josef van Genabith, Thierry Declerck. Cham : Springer, 2018, s. 286-290, bibliogr. 11 poz. (Lecture Notes in Computer Science ; vol. 11089 0302-9743). Punktacja MNiSW 20.000

wybór funkcji ; regresja logistyczna ; klasyfikacja ; diagnoza raka ; sygnatury ekspresji genów

feature selection ; logistic regression ; classification ; cancer diagnosis ; gene expression signatures

18/69
Nr opisu: 0000118997
The data dimensionality reduction in the classification process through greedy backward feature elimination.
[Aut.]: Daniel Kostrzewa, Robert Brzeski.
W: Man-machine interactions 5. 5th International Conference on Man-Machine Interactions, ICMMI 2017, Kraków, Poland, October 3-6, 2017. Eds. Aleksandra Gruca, Tadeusz Czachórski, Katarzyna Harezlak, Stanisław Kozielski, Agnieszka Piotrowska. Berlin : Springer International Publishing, 2018, s. 397-407, bibliogr. 22 poz. (Advances in Intelligent Systems and Computing ; vol. 659 2194-5357). Punktacja MNiSW 15.000

redukcja wymiarowości ; wybór cech ; algorytm ; klasyfikacja ; Kappa ; Weka ; UCI ; URBAN ; DIGITS

dimensionality reduction ; feature selection ; algorithm ; classification ; Kappa ; Weka ; UCI ; URBAN ; DIGITS

19/69
Nr opisu: 0000115873
Large-scale data classification system based on Galaxy Server and protected from information leak.
[Aut.]: Krzysztof Fujarewicz, Sebastian Student, Tomasz* Zielański, Michał* Jakubczak, Justyna* Pieter, Katarzyna* Pojda, Andrzej Świerniak.
W: Intelligent information and database systems. 9th Asian Conference, ACIIDS 2017, Kanazawa, Japan, April 3-5, 2017. Proceedings. Pt. 2. Eds. Ngoc Thanh Nguyen, Satoshi Tojo, Le Minh Nguyen, Bogdan Trawiński. Cham : Springer International Publishing, 2017, s. 765-773, bibliogr. 17 poz. (Lecture Notes in Computer Science ; vol. 10192 Lecture Notes in Artificial Intelligence ; 0302-9743). Punktacja MNiSW 20.000

uczenie maszynowe ; Galaxy Server ; klasyfikacja ; wybór cech ; walidacja modelu ; wybór modelu ; duży zbiór danych ; dane genomowe ; dane proteomiczne

machine learning ; Galaxy Server ; classification ; feature selection ; model validation ; model selection ; large-scale data ; genomic data ; proteomic data ; small-sample data

20/69
Nr opisu: 0000117950
Multidimensional feature selection and interaction mining with decision tree based ensemble methods.
[Aut.]: Łukasz* Król, Joanna Polańska.
W: 11th International Conference on Practical Applications of Computational Biology and Bioinformatics. PACBB 2017, Porto, Portugal, 21-23 June 2017. Eds. F. Fdez-Riverola, M. Mohamad, M. Rocha, J. De Paz, T. Pinto. Cham : Springer, 2017, s. 118-125, bibliogr. 13 poz. (Advances in Intelligent Systems and Computing ; vol. 616 2194-5357)

wybór cech ; integracja cech ; redukcja wymiarowości ; klasyfikacja ; drzewo decyzyjne ; las losowy ; randomizowane drzewo ; selekcja cech Monte Carlo

feature selection ; feature interaction ; dimensionality reduction ; classification ; decision tree ; random forest ; extremely randomized trees ; Monte Carlo feature selection

21/69
Nr opisu: 0000115847
Obszerna analiza danych wysoce zrównoleglonych dla identyfikacji biomarkerów białaczki.
[Aut.]: Wojciech Łabaj, Anna Papież, Joanna Polańska, Andrzej Polański.
W: Śląskie Spotkania Naukowe. Program IV ŚSN, Ustroń, 24-25 marca 2017 r.. Oprac. Magdalena Skonieczna. Association for the Support of Cancer Research, Politechnika Śląska, Centrum Onkologii - Instytut im. Marii Skłodowskiej-Curie. Oddział w Gliwicach. [B.m.] : [b.w.], 2017, s. 28, bibliogr. 1 poz.

identyfikacja biomarkerów ; białaczka ; selekcja cech ; ekspresja genów ; korekta efektu paczki

biomarker identification ; leukemia ; feature selection ; gene expression ; batch effect correction

22/69
Nr opisu: 0000110278
Classification of protein interactions based on sparse discriminant analysis and energetic features.
[Aut.]: Katarzyna Stąpor, Piotr Fabian.
W: Computer information systems and industrial management. 15th IFIP TC8 International Conference, CISIM 2016, Vilnius, Lithuania, September 14-16, 2016, Proceedings. Eds.: Khalid Saeed, Władysław Homenda. Berlin : Springer, 2016, s. 530-537, bibliogr. 14 poz. (Lecture Notes in Computer Science ; vol. 9842 Lecture Notes in Artificial Intelligence ; 0302-9743)

analiza dyskryminacyjna ; selekcja cech ; interakcja białko-białko

sparse discriminant analysis ; feature selection ; protein-protein interaction

23/69
Nr opisu: 0000106338
Distributed Monte Carlo feature selection: extracting informative features out of multidimensional problems with linear speedup.
[Aut.]: Łukasz* Król.
W: Beyond databases, architectures and structures. Advanced technologies for data mining and knowledge discovery. 12th International conference, BDAS 2016, Ustroń, Poland, May 31 - June 3, 2016. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. [B.m.] : Springer, 2016, s. 463-474, bibliogr. 12 poz. (Communications in Computer and Information Science ; vol. 613 1865-0929)

wybór cech ; obliczenia równoległe ; Akka ; Spark ; Scala ; Java ; redukcja wymiarowości

feature selection ; parallel computing ; Akka ; Spark ; Scala ; Java ; dimensionality reduction ; actor system

24/69
Nr opisu: 0000110702
Multiclass classification problem of large-scale biomedical meta data.
[Aut.]: Sebastian Student, Justyna* Pieter, Krzysztof Fujarewicz.
W: 9th International Conference Interdisciplinarity in Engineering. INTER-ENG 2015, Tirgu Mures, Romania, 8-9 October 2015. Ed. Liviu Moldovan. Berlin : Springer, 2016, s. 938-945, bibliogr. 17 poz. (Procedia Technology ; vol. 22 2212-0173)

klasyfikacja wieloklasowa ; SVM ; selekcja cech ; analiza metadanych ; analiza danych biomedycznych

multiclass classification ; SVM ; feature selection ; meta-data analysis ; biomedical data analysis

25/69
Nr opisu: 0000106594
Structured bi-clusters algorithm for classification of DNA microarray data.
[Aut.]: Paweł Foszner, Andrzej Polański.
W: Information technologies in medicine. 5th International conference, ITIB 2016, Kamień Śląski, Poland, June 20-22, 2016. Proceedings. Vol. 2. Eds. Ewa Piętka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2016, s. 161-171, bibliogr. 24 poz. (Advances in Intelligent Systems and Computing ; vol. 472 2194-5357)

bi-klasteryzacja ; selekcja cech ; uczenie maszynowe ; eksploracja danych

bi-clustering ; feature selection ; machine learning ; data mining

26/69
Nr opisu: 0000116788
Zastosowanie algorytmów klasteryzacji w celu redukcji wymiarowości zbioru cech - przegląd metod.
[Aut.]: Katarzyna* Pojda.
W: Badania i rozwój młodych naukowców w Polsce 2016. Nauki przyrodnicze. Cz. 7. Red. Jacek Leśny, Jędrzej Nyćkowiak. Poznań : Młodzi Naukowcy, 2016, s. 72-77, bibliogr. 13 poz.

selekcja cech ; ekstrakcja cech ; klasyfikacja

feature selection ; feature extraction ; classification

27/69
Nr opisu: 0000102345
An attempt to optimize the cardiotocographic signal feature set for fetal state assessment.
[Aut.]: Michał Jeżewski, Robert Czabański, Jacek Łęski.
-J. Med. Imaging Health Informat. 2015 vol. 5 nr 6, s. 1364-1373. Impact Factor 0.877. Punktacja MNiSW 15.000

monitorowanie płodu ; klasyfikacja sygnału ; Maszyna Wektorów Nośnych ; selekcja cech

fetal monitoring ; signal classification ; Support Vector Machine ; feature selection

28/69
Nr opisu: 0000103663
Better alternatives for stepwise discriminant analysis.
[Aut.]: Katarzyna Stąpor.
-Acta Univ. Lodz., Folia Oecon. 2015 nr 311, s. 9-15, bibliogr. 10 poz.
Tytuł zeszytu: Statistical analysis in theory and practice. Punktacja MNiSW 14.000

analiza dyskryminacyjna ; procedury krokowe ; selekcja cech ; metaheurystyka ; przeszukiwanie z tabu

discriminant analysis ; stepwise procedures ; feature selection ; metaheuristic ; tabu search

29/69
Nr opisu: 0000096085
Feature selection for data and pattern recognition: an introduction.
[Aut.]: Urszula Stańczyk, L. C. Jain.
W: Feature selection for data and pattern recognition. Eds. Urszula Stańczyk, Lakhmi C. Jain. Heidelberg : Springer, 2015, s. 1-7, bibliogr. 44 poz. (Studies in Computational Intelligence ; vol. 584 1860-949X)

cecha ; wybór cech ; rozpoznawanie wzorców ; eksploracja danych

feature ; feature selection ; pattern recognition ; data mining

30/69
Nr opisu: 0000093213
Ranking of characteristic features in combined wrapper approaches to selection.
[Aut.]: Urszula Stańczyk.
-Neural Comput. Appl. 2015 vol. 26 iss. 2, s. 329-344, bibliogr. 70 poz.
Special Issue on Advances in Intelligent Data Processing and Analysis - Part 1. Impact Factor 1.492. Punktacja MNiSW 25.000

ranking cech ; selekcja cech ; redukcja cech ; filtr ; sekwencyjne przeszukiwanie wstecz ; stylometria ; opakowanie

feature ranking ; feature selection ; feature reduction ; filter ; sequential backward search ; stylometry ; wrapper

31/69
Nr opisu: 0000103728
Statistical integration of p-values for enhancing discovery of radiotoxicity gene signatures.
[Aut.]: Anna Papież, S. Kabacik, C. Badie, S. Bouffler, Joanna Polańska.
W: Bioinformatics and biomedical engineering. Third International Conference, IWBBIO 2015, Granada, Spain, April 15-17, 2015. Proceedings. Pt. 1. Eds.: Francisco Ortuno, Ignacio Rojas. Cham : Springer, 2015, s. 503-513, bibliogr. 24 poz. (Lecture Notes in Computer Science ; vol. 9043 Lecture Notes in Artificial Intelligence ; 0302-9743)

integracja danych ; wysoka wydajność ; wybór funkcji ; radioczułość

data integration ; high-throughput ; feature selection ; radiosensitivity ; p-value combination

32/69
Nr opisu: 0000106290
Wpływ liczby predtyktorów na skuteczność algorytmów opartych na drzewach klasyfikacyjnych.
[Aut.]: Tomasz Owczarek, Adam Sojda, Konrad Kaczmarek.
-Zesz. Nauk. PŚl., Org. Zarz. 2015 z. 86, s. 507-517, bibliogr. 15 poz.. Punktacja MNiSW 11.000

klasyfikacja ; dobór zmiennych ; drzewo klasyfikacyjne ; analityka predykcyjna

classification ; feature selection ; classification tree ; predictive analytics

33/69
Nr opisu: 0000093211
Attribute ranking driven filtering of decision rules.
[Aut.]: Urszula Stańczyk.
W: Rough sets and intelligent systems paradigms. RSEISP 2014. Second International Conference held as part of JRS 2014, Granada and Madrid, Spain, July 9-13, 2014. Proceedings. Eds. Eds. Marzena Kryszkiewicz, Chris Cornelis, Davide Ciucci, Jesus Medina-Moreno, Hiroshi Motoda, Zbigniew W. Raś. Cham : Springer, 2014, s. 217-224, bibliogr. 14 poz. (Lecture Notes in Computer Science ; vol. 8537 Lecture Notes in Artificial Intelligence ; 0302-9743)

algorytm decyzyjny ; reguły decyzyjne ; DRSA ; selekcja cech ; rangowanie ; ANN ; stylometria

decision algorithm ; decision rules ; DRSA ; feature selection ; ranking ; ANN ; stylometry

34/69
Nr opisu: 0000097349
Feature selection of motion capture data in gait identification challenge problem.
[Aut.]: Adam Świtoński, Henryk Josiński, Agnieszka Michalczuk, Przemysław* Pruszowski, Konrad** Wojciechowski.
W: Intelligent information and database systems. ACIIDS 2014. 6th Asian Conference, Bangkok, Thailand, April 7-9, 2014. Proceedings. Pt. 2. Eds.: Ngoc Thanh Nguyen, Boonwat Attachoo, Bogdan Trawiński, Kulwadee Somboonviwat. Cham : Springer, 2014, s. 535-544, bibliogr. 15 poz. (Lecture Notes in Computer Science ; vol. 8398 0302-9743)

identyfikacja chodu ; motion capture ; uczenie nadzorowane ; selekcja cech ; ekstrakcja cech ; biometria

gait identification ; motion capture ; supervised learning ; feature selection ; feature extraction ; biometrics

35/69
Nr opisu: 0000097367
Heuristic method of feature selection for person re-identification based on gait motion capture data.
[Aut.]: Henryk Josiński, Agnieszka Michalczuk, Daniel Kostrzewa, Adam Świtoński, Konrad** Wojciechowski.
W: Intelligent information and database systems. ACIIDS 2014. 6th Asian Conference, Bangkok, Thailand, April 7-9, 2014. Proceedings. Pt. 2. Eds.: Ngoc Thanh Nguyen, Boonwat Attachoo, Bogdan Trawiński, Kulwadee Somboonviwat. Cham : Springer, 2014, s. 585-594, bibliogr. 11 poz. (Lecture Notes in Computer Science ; vol. 8397 0302-9743)

funkcja wyboru ; algorytm exIWO ; analiza chodu ; ponowne wskazanie osoby ; redukcja wymiarowości ; algorytm MPCA

feature selection ; exIWO algorithm ; gait analysis ; person re-indication ; dimensionality reduction ; MPCA algorithm

36/69
Nr opisu: 0000110238
RELIEF-based selection of decision rules.
[Aut.]: Urszula Stańczyk.
W: Knowledge-based and intelligent information & engineering systems. 18th Annual conferences. KES-2014, Gdynia, Poland, September 2014. Proceedings. Ed. by Piotr Jędrzejowicz, Ireneusz Czarnowski, Robert J. Howlett and Lakhmi C. Jain. Amsterdam : Elsevier, 2014, s. 209-308, bibliogr. 25 poz. (Procedia Computer Science ; vol. 35 1877-0509)

klasyfikator regułowy ; reguły decyzyjne ; ranking cech ; selekcja cech ; filtracja reguł ; stylometria ; atrybucja autorska

rule classifier ; decision rules ; feature ranking ; feature selection ; rules filtration ; stylometry ; authorship attribution

37/69
Nr opisu: 0000094760
Sposoby wstępnego przetwarzania danych.
[Aut.]: Krzysztof Ciupke.
W: Metodyka heurystycznego modelowania obiektów i procesów dynamicznych w diagnostyce i sterowaniu. Red.: Wojciech Moczulski, Krzysztof Ciupke. Radom : Wydaw. Naukowe Instytutu Technologii Eksploatacji - PIB, 2014, s. 3-38, bibliogr. 42 poz. (Biblioteka Problemów Eksploatacji ; )

modelowanie procesów ; selekcja cech ; teoria zbiorów przybliżonych ; algorytm genetyczny ; algorytm heurystyczny

process modelling ; feature selection ; rough set theory ; genetic algorithm ; heuristic algorithm

38/69
Nr opisu: 0000095762
The influence of cardiotocogram signal feature selection method on fetal state assessment efficacy.
[Aut.]: Michał Jeżewski, Robert Czabański, Jacek Łęski.
-J. Med. Informat. Technol. 2014 vol. 23, s. 51-58, bibliogr. 25 poz.. Punktacja MNiSW 8.000

kardiotokografia ; klasyfikacja ; selekcja cech

cardiotocography ; classification ; feature selection

39/69
Nr opisu: 0000096871
Using tabu search for feature selection in discriminant analysis.
[Aut.]: Katarzyna Stąpor.
-Stud. Informat. 2014 vol. 35 nr 4, s. 45-58, bibliogr. 14 poz.. Punktacja MNiSW 9.000

krokowa analiza dyskryminacyjna ; selekcja cech ; metaheurystyka ; przeszukiwanie z tabu

stepwise discriminant analysis ; feature selection ; metaheuristics ; tabu search

40/69
Nr opisu: 0000088383
Weighting of attributes in an embedded rough approach.
[Aut.]: Urszula Stańczyk.
W: Man-machine interactions 3. Eds: Aleksandra Gruca, Tadeusz Czachórski, Stanislaw Kozielski. Berlin : Springer, 2014, s. 475-483, bibliogr. 10 poz. (Advances in Intelligent Systems and Computing ; vol. 242 2194-5357)

funkcja wyboru ; redukcja ; DRSA ; redukt ; ważenie ; atrybucja autorska ; stylometria

feature selection ; reduction ; DRSA ; reducts ; weighting ; authorship attribution ; stylometry

41/69
Nr opisu: 0000094767
Zależności funkcyjne odkrywane w bazach danych.
[Aut.]: Dominik Wachla.
W: Metodyka heurystycznego modelowania obiektów i procesów dynamicznych w diagnostyce i sterowaniu. Red.: Wojciech Moczulski, Krzysztof Ciupke. Radom : Wydaw. Naukowe Instytutu Technologii Eksploatacji - PIB, 2014, s. 39-60, bibliogr. 49 poz. (Biblioteka Problemów Eksploatacji ; )

baza danych ; zależność funkcyjna ; model autoregresji ; szereg czasowy ; selekcja cech

database ; functional dependence ; autoregressive model ; time series ; feature selection

42/69
Nr opisu: 0000085034
Decision rule length as a basis for evaluation of attribute relevance.
[Aut.]: Urszula Stańczyk.
-J. Intell. Fuzzy Syst. 2013 vol. 24 iss. 3, s. 429-445, bibliogr. 32 poz.. Impact Factor 0.936. Punktacja MNiSW 25.000

ANN ; trafność atrybutu ; atrybucja autorska ; stylometria komputerowa ; reguły decyzyjne ; DRSA ; wybór cech ; teoria zbiorów przybliżonych

ANN ; attribute relevance ; authorship attribution ; computational stylistics ; decision rules ; DRSA ; feature selection ; rough set theory ; rule length

43/69
Nr opisu: 0000087511
Establishing relevance of characteristic features for authorship attribution with ANN.
[Aut.]: Urszula Stańczyk.
W: Database and expert systems applications. DEXA 2013. 24th International conference, Prague, Czech Republic, August 26-29, 2013. Proceedings. Pt 2. Eds: H. Decker [et al.]. Berlin : Springer, 2013, s. 1-8, bibliogr. 10 poz. (Lecture Notes in Computer Science ; vol. 8056 0302-9743)

stylometria ; atrybucja autorska ; cecha charakterystyczna ; relewancja cech ; wybór cech ; sekwencyjne przeszukiwanie wstecz

stylometry ; authorship attribution ; characteristic feature ; feature relevance ; feature selection ; sequential backward search

44/69
Nr opisu: 0000087611
Feature selection of protein structural classification using SVM classifier.
[Aut.]: Zbigniew* Krajewski, Ewaryst Tkacz.
-Biocybern. Biomed. Eng. 2013 vol. 33 nr 1, s. 47-61, bibliogr. 49 poz.. Impact Factor 0.157. Punktacja MNiSW 15.000

aminokwasy ; Maszyna Wektorów Nośnych ; analiza głównych składowych ; SVM ; RFE ; selekcja cech ; SCOP

amino acids ; Support Vector Machine ; principal component analysis ; SVM ; RFE ; feature selection ; SCOP ; Recursive Feature Elimination

45/69
Nr opisu: 0000087659
Protein structural classification based on pseudo amino acid composition using SVM classifier.
[Aut.]: Zbigniew* Krajewski, Ewaryst Tkacz.
-Biocybern. Biomed. Eng. 2013 vol. 33 nr 2, s. 77-87, bibliogr. 38 poz.. Impact Factor 0.157. Punktacja MNiSW 15.000

aminokwasy ; Maszyna Wektorów Nośnych ; analiza głównych składowych ; SVM ; RFE ; selekcja cech ; SCOP

amino acids ; Support Vector Machine ; principal component analysis ; SVM ; RFE ; feature selection ; SCOP ; Recursive Feature Elimination

46/69
Nr opisu: 0000077798
Local embedding and dimensionality reduction in detection of skin tumor tissue.
[Aut.]: Marcin Michalak, Adam Świtoński.
-J. Med. Informat. Technol. 2012 vol. 19 s. 59-65, bibliogr. 10 poz.. Punktacja MNiSW 5.000

rozpoznawanie wzorców ; analiza wielospektralna ; redukcja wymiarowości ; wybór cech ; tkanka nowotworowa ; skóra ; rak skóry

pattern recognition ; multispectral analysis ; dimensionality reduction ; feature selection ; tumor tissue ; skin ; skin cancer

47/69
Nr opisu: 0000076192
The effectiveness of applied treatment in Parkinson disease based on feature selection of motion activities.
[Aut.]: Adam Świtoński, Magdalena* Stawarz, M. Boczarska-Jedynak, A. Sieroń, Andrzej Polański, Konrad** Wojciechowski.
-Prz. Elektrot. 2012 R. 88 nr 12b, s.103-106, bibliogr. 17 poz.. Punktacja MNiSW 15.000

choroba Parkinsona ; pomiar ruchu ; selekcja cech ; ekstrakcja cech ; uczenie maszynowe ; nadzorowane uczenie maszynowe

Parkinson's disease ; motion capture ; feature selection ; feature extraction ; machine learning ; supervised machine learning

48/69
Nr opisu: 0000071591
An effective feature selection algorithm based on the class similarity used with a SVM-RDA classifier to protein fold recognition.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
W: Hybrid artificial intelligent systems. HAIS 2011. 6th International conference, Wrocław, Poland, May 23-25, 2011. Proceedings. Pt 1. Eds: E. Corchado, M. Kurzyński, M. Woźniak. Berlin : Springer, 2011, s. 205-212, bibliogr. 21 poz. (Lecture Notes in Computer Science ; vol. 6678 Lecture Notes in Artificial Intelligence ; 0302-9743)

selekcja cech ; Maszyna Wektorów Nośnych ; klasyfikator statystyczny ; klasyfikator RDA ; rozpoznawanie klasy ufałdowania białka

feature selection ; Support Vector Machine ; statistical classifier ; RDA classifier ; protein fold recognition

49/69
Nr opisu: 0000075979
Application of neural network for the prediction of eco-efficiency.
[Aut.]: Sławomir Golak, Dorota Burchart-Korol, Krystyna Czaplicka-Kolarz, Tadeusz Wieczorek.
W: Advances in Neural Networks. 8th International Symposium on Neural Networks. ISNN 2011, Guilin, China, May 29-June 2011. Proceedings. Pt. 3. Eds: D. Liu [et al.]. Berlin : Springer, 2011, s. 380-387, bibliogr. 9 poz. (Lecture Notes in Computer Science ; vol. 6677 0302-9743)

ekoefektywność ; prognozowanie ; wybór cech ; sieć neuronowa ; optymalizacja

eco-effectiveness ; prediction ; feature selection ; neural network ; optimization

50/69
Nr opisu: 0000071610
Human identification based on gait paths.
[Aut.]: Adam Świtoński, Andrzej Polański, Konrad** Wojciechowski.
W: Advanced concepts for intelligent vision systems. ACIVS 2011. 13th International conference, Ghent, Belgium, August 22-25, 2011. Proceedings. Eds: J. Blanc-Talon [et al.]. Berlin : Springer, 2011, s. 531-542, bibliogr. 15 poz. (Lecture Notes in Computer Science ; vol. 6915 0302-9743)

pomiar ruchu ; identyfikacja osób ; rozpoznawanie chodu ; uczenie nadzorowane ; ekstrakcja cech ; wybór cech ; biometria

motion capture ; human identification ; gait recognition ; supervised learning ; feature extraction ; feature selection ; biometrics

51/69
Nr opisu: 0000071592
On performance of DRSA-ANN classifier.
[Aut.]: Urszula Stańczyk.
W: Hybrid artificial intelligent systems. HAIS 2011. 6th International conference, Wrocław, Poland, May 23-25, 2011. Proceedings. Pt 2. Eds: E. Corchado, M. Kurzyński, M. Woźniak. Berlin : Springer, 2011, s. 172-179, bibliogr. 10 poz. (Lecture Notes in Computer Science ; vol. 6679 Lecture Notes in Artificial Intelligence ; 0302-9743)

DRSA ; ANN ; klasyfikator ; selekcja cech ; stylometria

DRSA ; ANN ; classifier ; feature selection ; stylometry

52/69
Nr opisu: 0000077286
Recognition of author gender for literary textes.
[Aut.]: Urszula Stańczyk.
W: Man-machine interactions 2. Eds: Tadeusz Czachórski, Stanislaw Kozielski, Urszula Stanczyk. Berlin : Springer, 2011, s. 229-238, bibliogr. 11 poz. (Advances in Intelligent and Soft Computing ; vol. 103 1867-5662)

stylometria komputerowa ; kategoryzacja tekstu ; wybór cech ; klasyfikator ANN

computational stylistics ; text categorisation ; feature selection ; ANN classifier

53/69
Nr opisu: 0000071609
Reduct-based analysis of decision algorithms.
[Aut.]: Urszula Stańczyk.
W: Hybrid artificial intelligent systems. HAIS 2011. 6th International conference, Wroclaw, Poland, May 23-25, 2011. Proceedings. Pt 2. Eds: E. Corchado, M. Kurzyński, M. Woźniak. Berlin : Springer, 2011, s. 295-302, bibliogr. 9 poz. (Lecture Notes in Computer Science ; vol. 6679 Lecture Notes in Artificial Intelligence ; 0302-9743)

DRSA ; klasyfikator ; stylometria komputerowa ; redukt ; algorytm decyzyjny ; wybór cech

DRSA ; classifier ; computational stylistics ; reduct ; decision algorithm ; feature selection

54/69
Nr opisu: 0000071602
Selection of the most important components from multispectral images for detection of tumor tissue.
[Aut.]: Marcin Michalak, Adam Świtoński, Magdalena* Stawarz.
-J. Med. Informat. Technol. 2011 vol. 17, s. 303-308, bibliogr. 15 poz.. Punktacja MNiSW 5.000

identyfikacja wzorców ; analiza wielospektralna ; redukcja wymiarowości ; wybór cech

pattern recognition ; multispectral analysis ; dimensionality reduction ; feature selection

55/69
Nr opisu: 0000081136
Feature selection for supervised classification: a Kolmogorov-Smirnov class correlation-based filter.
[Aut.]: Marcin Blachnik, W. Duch, Adam Kachel, Jacek* Biesiada.
W: Recent developments in artificial intelligence methods. AI-METH 2009. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Faculty of Mechanical Engineering. Department of Fundamentals of Machinery Design. Department of Strength of Materials and Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2009, s. 33-40, bibliogr. 16 poz.

selekcja cech ; klasyfikacja ; uczenie maszynowe ; statystyka Kołmogorowa-Smirnowa

feature selection ; classification ; machine learning ; Kolmogorov-Smirnov statistics

56/69
Nr opisu: 0000055026
Implementation of selected data mining methods for the DIASTER system.
[Aut.]: Dominik Wachla.
W: Methods of artificial intelligence. AI-METH 2009, [Gliwice, Poland, 18-19 November 2009]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Faculty of Mechanical Engineering. Department of Fundamentals of Machinery Design. Department of Strength of Materials and Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2009, s. 59-60, bibliogr. 5 poz.

data mining ; wybór cech ; Maszyna Wektorów Nośnych ; system identyfikacji ; proces diagnostyczny ; proces przemysłowy ; system diagnostyczny

data mining ; feature selection ; Support Vector Machine ; identification system ; diagnostic process ; industrial process ; diagnostic system

57/69
Nr opisu: 0000054995
Selection of relevant feature subset of thermovision images.
[Aut.]: Marek Fidali, Krzysztof Ciupke.
W: Recent developments in artificial intelligence methods. AI-METH 2009. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Faculty of Mechanical Engineering. Department of Fundamentals of Machinery Design. Department of Strength of Materials and Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2009, s. 91-102, bibliogr. 34 poz.

selekcja cech ; analiza obrazu ; termowizja ; diagnostyka maszyn ; zbiory przybliżone ; sieć neuronowa

feature selection ; image analysis ; thermovision ; diagnostics of machines ; rough sets ; neural network

58/69
Nr opisu: 0000040976
Comparing binary and real-valued coding in hybrid immune algorithm for feature selection and classification of ECG signals.
[Aut.]: M. Bereta, Tadeusz* Burczyński.
-Eng. Appl. Artif. Intell. 2007 vol. 20 iss. 5, s. 571-585, bibliogr. 31 poz.. Impact Factor 0.762

sztuczny system immunologiczny ; wybór cech ; selekcja negatywna ; selekcja klonalna ; algorytm ewolucyjny ; hybrydowy algorytm immunologiczny

artificial immune system ; feature selection ; negative selection ; clonal selection ; evolutionary algorithm ; hybrid immune algorithm

59/69
Nr opisu: 0000037429
Pożądane cechy członka zespołu pracowniczego - badania ankietowe.
[Aut.]: Katarzyna Tobór-Osadnik, Małgorzata Wyganowska.
-Zesz. Nauk. PŚl., Org. Zarz. 2007 z. 42, s. 109-116, bibliogr. 8 poz.

zespół pracowniczy ; wybór cech ; zarządzanie zasobami ludzkimi ; badanie ankietowe

working team ; feature selection ; human resources management ; survey

60/69
Nr opisu: 0000030396
Systemy regułowe bazujące na prototypach oraz ich relacje z systemami rozmytymi w zastosowaniu do klasyfikacji danych. Rozprawa doktorska.
[Aut.]: Marcin Blachnik.
Gliwice, 2007, 117 k., bibliogr. 178 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: dr hab. Tadeusz Wieczorek

system regułowy ; system rozmyty ; grupowanie danych ; przetwarzanie danych ; selekcja cech ; sieć neuronowa

rule-based system ; fuzzy system ; data clustering ; data processing ; feature selection ; neural network

61/69
Nr opisu: 0000039128
The selection of features in the induction of classifiers applied in the detection and localisation of cracks in turbine set shafts.
[Aut.]: Dominik Wachla.
W: Methods of artificial intelligence. AI-METH 2007, Gliwice, Poland, 7-9 November 2007. [Dokument elektroniczny]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Department for Strength of Materials and Computational Mechanics. Department of Fundamentals of Machinery Design, Polish Association for Computational Mechanics. [Gliwice] : Silesian University of Technology. Department for Strength of Materials and Computational Mechanics. Department of Fundamentals of Machinery Design, 2007, dysk optyczny (CD-ROM) s. 75-76, bibliogr. 4 poz.

turbozespół ; pękanie wału ; wykrywanie uszkodzeń ; lokalizacja uszkodzeń ; uczenie maszynowe ; wybór cech

turbine set ; shaft cracking ; fault detection ; fault localization ; machine learning ; feature selection

62/69
Nr opisu: 0000023406
A comparative review of the selection methods for discovering differentially expressed genes in microarray experiments for classification.
[Aut.]: Katarzyna Stąpor, A. Bruckner, P. Błaszczyk.
-Stud. Informat. 2006 vol. 27 nr 4, s. 37-52, bibliogr. 9 poz.

selekcja cech ; wielokrotne testowanie hipotez ; eksperyment mikromacierzowy ; uczenie nadzorowane

feature selection ; multiple hypothesis testing ; microarray experiment ; supervised learning

63/69
Nr opisu: 0000016959
Description of sensivity analysis method applicable in preselection of diagnostic information.
[Aut.]: Damian* Sławik.
W: Methods of artificial intelligence. AI-METH 2005. [Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2005 and the Workshop on Knowledge Acquisition in Mechanical Engineering, Gliwice, Poland, 16-18 November 2005]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. [Gliwice] : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 127-128, bibliogr. 3 poz.

analiza wrażliwości ; selekcja cech ; selekcja informacji ; redukcja informacji

sensitivity analysis ; feature selection ; information selection ; information reduction

64/69
Nr opisu: 0000017106
Description of sensivity analysis method applicable in preselection of diagnostic information.
[Aut.]: Damian* Sławik.
W: Recent developments in artificial intelligence methods. AI-METH 2005. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 199-202, bibliogr. 8 poz.
pełny tekst na CD-ROM

analiza wrażliwości ; selekcja cech ; selekcja informacji ; redukcja informacji

sensitivity analysis ; feature selection ; information selection ; information reduction

65/69
Nr opisu: 0000016924
Hybrid immune algorithm for feature selection and classification of ECG signals.
[Aut.]: M. Bereta, Tadeusz* Burczyński.
W: Methods of artificial intelligence. AI-METH 2005. [Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2005 and the Workshop on Knowledge Acquisition in Mechanical Engineering, Gliwice, Poland, 16-18 November 2005]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. [Gliwice] : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 17-18, bibliogr. 4 poz.

sztuczny system immunologiczny ; selekcja cech ; sygnał EKG ; klasyfikacja sygnałów

artificial immune system ; feature selection ; ECG signal ; signal classification

66/69
Nr opisu: 0000016970
Hybrid immune algorithm for feature selection and classification of ECG signals.
[Aut.]: M. Bereta, Tadeusz* Burczyński.
W: Recent developments in artificial intelligence methods. AI-METH 2005. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 25-28, bibliogr. 5 poz.
pełny tekst na CD-ROM

sztuczny system immunologiczny ; selekcja cech ; sygnał EKG

artificial immune system ; feature selection ; ECG signal

67/69
Nr opisu: 0000073354
Analiza porównawcza wybranych metod doboru zmiennych objaśniających na przykładach.
[Aut.]: Anna Mularczyk, Michalina* Szłapka.
-Zesz. Nauk. PŚl., Org. Zarz. 2004 z. 18, s. 67-89, bibliogr. 15 poz.

model ekonometryczny ; dobór zmiennych ; metoda Bartosiewicz ; metoda Hellwiga ; analiza czynnikowa

econometric model ; feature selection ; Bartosiewicz method ; Hellwig method ; factor analysis

68/69
Nr opisu: 0000008274
A note on classification of gene expression data using support vector machines.
[Aut.]: Krzysztof Fujarewicz, M. Kimmel, J. Rzeszowska-Wolny, Andrzej Świerniak.
-J. Biol. Syst. 2003 vol. 11 iss. 1, s. 43-56. Impact Factor 0.614

poziom ekspresji genów ; Maszyna Wektorów Nośnych ; klasyfikacja ; wybór cech ; diagnostyka nowotworów

gene expression data ; Support Vector Machine ; classification ; feature selection ; cancer diagnosis

69/69
Nr opisu: 0000007853
Genetic feature subset selection for classification of eye-cup region in fundus eye images.
[Aut.]: Katarzyna Stąpor, M. Mazurkiewicz, M. Rzendkowski.
-Stud. Informat. 2003 vol. 24 nr 4, s. 331-344, bibliogr. 11 poz.

selekcja cech ; algorytm genetyczny ; klasyfikator ; jaskra

feature selection ; genetic algorithms ; classifier ; glaucoma

stosując format: