0090419 20240903170617.320071130235959.9 Notes on the evolution of feature selection methodology 18 s. cav_un_epca*02971630023-5954Kybernetika435 (2007)713-730Ústav teorie informace a automatizace AV ČR, v. v. i. O vývoji metodologie výběru příznaků feature selection branch and bound sequential search mixture model 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*0101171 Novovičová Jana UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. 2C06019 GA MŠk CZ cav_un_auth*0216518 GA102/07/1594 GA ČR cav_un_auth*0228611 1M0572 GA MŠk cav_un_auth*0001814 507752 XE EC cav_un_auth*0200689 IAA2075302 GA AV ČR cav_un_auth*0001801 CEZ:AV0Z10750506 The paper gives an overview of feature selection techniques in statistical pattern recognition with particular emphasis on methods developed within the Institute of Information Theory and Automation research team throughout recent years. Besides discussing the advances in methodology since times of Perez's pioneering work the paper attempts to put the methods 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. Článek dává přehled metod výběru příznaků ve statististickém přístupu k rozpoznávání s důrazem na metody vyvinuté během posledních let výzkumným týmem z Ústavu teorie informace a automatizace. Autoři kromě diskuse o rozvoji metodologie od doby průkopnické práce A. Pereze, navrhují taxonomický systém diskutovaných metod. Metody zahrnují poslední varianty optimálních algoritmů, suboptimální metody a metody současného semi-parametrický modelování hustot pravděpodobnosti a metod výběru podprostoru příznaků. Některé základní problémy jsou ilustrovány na reálných datech s využitím softwaru pro výběr příznaků vyvinutého zmíněným týmem. 2008 IN 4 O 4o 20231122133652.4 http://hdl.handle.net/11104/0151313 0.464 0.044 8.9 0.0021 0.359 329 68 21 1.071 14.83 0.67 2007 Soubory v repozitáři: 0090419.pdf cav_un_epca*0297163 Kybernetika 0023-5954 Roč. 43 č. 5 2007 713 730 Ústav teorie informace a automatizace AV ČR, v. v. i.