0084616 20240103184328.020070803235959.9 Methodology of selecting the most informative variables for decision-making problems of classification type 18 s. cav_un_epca*00846151539-2023Proceedings 6th Int. Conf. on Information and Management Sciences1-18Lhasa, Tibet, ChinaCalifornia Polytechnic State University, USA2007LeeTien ShengLiuYankuiZhaoXiande Metodologie výběru nejinformativnějších proměnných pro rozhodovací problémy klasifikačního typu feature selection decision making pattern recognition 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*0229336 Střítecký R. CZ http://library.utia.cas.cz/separaty/2007/ro/pudil-methodology of selecting the most informative variables for decision-making.pdf 1M0572 GA MŠk cav_un_auth*0001814 2C06019 GA MŠk CZ cav_un_auth*0216518 507752 XE EC cav_un_auth*0200689 GA402/03/1310 GA ČR CZ cav_un_auth*0009030 IAA2075302 GA AV ČR cav_un_auth*0001801 CEZ:AV0Z10750506 The paper gives an overview of feature selection (abbreviated FS in the sequel) techniques in statistical pattern recognition with particular emphasis to recent knowledge. FS methods constitute the methodology of selecting the most informative variables for decision-making problems of classification type. 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 modeling and feature space selection method. Some related issues are illustrated on real data with use of Feature Selection Toolbox software. Článek podává přehled technik výběru příznaků statistického rozpoznávání s důrazem na aktuální stav poznání. Metody výběru příznaků jsou zde prezentovány v rámci metodologie výběru nejinformativnějších proměnných pro řešení rozhodovacích problémů klasifikačního typu. Článek též uvádí metody do taxonomie. Téma zahrnuje poslední varianty optimálních algoritmů, pokročilých sub-optimálních technik a integrovaných metod výběru podprostoru a statistického modelování pomocí semi-parametrické hustoty pravděpodobnosti. Některé související problémy jsou ilustrovány na výsledcích získaných pomocí programu Feature Selection Toolbox. cav_un_auth*0229303 6th Int. Conf. on Information and Management Sciences Lhasa, Tibet 01.07.2007-06.07.2007 CN 2008 BD http://hdl.handle.net/11104/0147334 2007 cav_un_epca*0084615 Proceedings 6th Int. Conf. on Information and Management Sciences 1539-2023 1 18 Lhasa, Tibet, China California Polytechnic State University, USA 2007 Series of Information & Management Sciences Lee Tien Sheng 340 Liu Yankui 340 Zhao Xiande 340