0411320 20240103182318.220060210235959.9 3-540-25054-9 Heidelberg Springer 2005 16 s. Advances in Soft Computing. 53-68KurzynskiM.PuchalaE.WozniakM. feature selection statistical 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. 09J 09K GA402/03/1310 GA ČR cav_un_auth*0009030 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 The paper addresses the problem of feature selection (abbreviated FS in the sequel) in statistical pattern recognition with particular emphasis to recent knowledge. Besides over-viewing advances in methodology it attempts to put them into a taxonomical framework. The methods discussed include the latest variants of the Branch & Bound algorithm, enhanced sub-optimal techniques and the simultaneous semi-parametric probability density function modeling and feature space selection method. Článek uvádí přehled současných metod výběru příznaků (FS) ve statistickém rozpoznávání. Diskutované metody zahrnují nejnovější varianty algoritmů větví a mezí, pokročilé sub-optimální metody a semi-parametrické modelování hustot spojené s výběrem příznaků. cav_un_auth*0213180 CORES'05 /4./ Rydzyna PL 22.05.2005-25.05.2005 BD 2006 RO http://hdl.handle.net/11104/0131403 UTIA-B 20050049 2005 2005 Heidelberg Springer 3-540-25054-9 Proceedings of the 4th International Conference on Computer Recognition Systems 53 68 Kurzynski M. 340 Puchala E. 340 Wozniak M. 340