0083328 20240103184229.820070618235959.9 Plzeň UWB 2007 87 s. MATEO -The European Network of Mechatronics Centres and Industrial Controllers feture selection cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101093 Haindl Michal UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. MAT-12-C4 GA MMR CZ cav_un_auth*0228022 1M0572 GA MŠk cav_un_auth*0001814 2C06019 GA MŠk cav_un_auth*0216518 CEZ:AV0Z10750506 The research report gives an overview of feature selection techniques in statistical pattern recognition with particular emphasis to methods developed by the researchers participating in MATEO Centre of Mechatronics project. Besides discussing the advances in methodology it attempts to put them into a taxonomical framework. The methods discussed include the latest variants of the optimal algorithms, enhanced sub-optimal techniques and the simultaneous semi-parametric probability density function modelling and feature space selection method. Some related issues are illustrated on real data by means of the Feature Selection Toolbox software. Výzkumná zpráva obsahuje přehled metod výběru příznaků ve statistickém rozpoznávání s důrazem na metody vyvinuté výzkumníky projektu MATEO Centre of Mechatronics. Diskutované metody zahrnují nejnovější verze optimalizačních algoritmů, sub-optimální techniky a modelování simultánní semi-parametrické pravděpodobnostní hustoty a metody výběru příznaků. Metody jsou ilustrované na reálných datech pomocí programu Feature Selection Toolbox. 2008 BD http://hdl.handle.net/11104/0146600 2007 2007 Plzeň UWB