Wyniki wyszukiwania

Wynik wyszukiwania

1/43
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

2/43
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

3/43
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

4/43
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

5/43
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

6/43
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

7/43
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

8/43
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

9/43
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

10/43
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

11/43
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

12/43
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

13/43
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

14/43
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

15/43
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

16/43
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

17/43
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

18/43
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

19/43
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

20/43
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

21/43
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

22/43
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

23/43
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

24/43
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

25/43
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

26/43
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

27/43
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

28/43
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

29/43
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

30/43
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

31/43
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

32/43
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

33/43
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

34/43
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

35/43
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

36/43
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

37/43
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

38/43
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

39/43
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

40/43
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

41/43
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

42/43
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

43/43
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: