Metody výběru vhodných příznaků pro klasifikační úlohy z oblasti biomedicínského inženýrství

Abstract

Cílem této práce bylo naimplementovat v prostředí Matlab vybrané metody výběru příznaků, vhodné pro biomedicínská data. Byly naimplementovány metody dopředného výběru, zpětného výběru, shlukové analýzy a genetických algoritmů. Jejich funkč nost byla ověřena v rámci klasifikačního řetězce detekujícího míru ohrožení mozkovou obr nou u předčasně narozených dětí. Výběr příznaků má své uplatnění při procesech předzpracování dat, kdy určuje a vybírá, většinou z velkého množství vstupních dat, data nejvíce určuj ící či potřebná pro následnou klasifikaci. Nejlepších výsledků na poskytnutých datech dosahovala metoda shlukové analýzy.

The goal of this project was to implement in Matlab some methods of feature selection, ideal for biomedical data. There are implemented methods of forwar d selection, backward selection, cluster analysis and genetic algorithm. Methods were tes ted in classification framework which has to analyse movement of newborns at risk f or developing spasticity due to infantile cerebral palsy. Feature selection is very common by data preprocessing, where it select the most useful data from the input system for the consequential classification. The best conclusion on avalaible data sets ge t the cluster analysis.