bibtype	C - Conference Paper (international conference)
ARLID	0084616
utime	20240103184328.0
mtime	20070803235959.9
title (primary) (eng)	Methodology of selecting the most informative variables for decision-making problems of classification type
specification	page_count 18 s.
serial	ARLID cav_un_epca*0084615 ISSN 1539-2023 title Proceedings 6th Int. Conf. on Information and Management Sciences page_num 1-18 publisher place Lhasa, Tibet, China name California Polytechnic State University, USA year 2007 editor name1 Lee name2 Tien Sheng editor name1 Liu name2 Yankui editor name1 Zhao name2 Xiande
title (cze)	Metodologie výběru nejinformativnějších proměnných pro rozhodovací problémy klasifikačního typu
keyword	feature selection
keyword	decision making
keyword	pattern recognition
author (primary)	ARLID cav_un_auth*0101182 name1 Pudil name2 Pavel institution UTIA-B full_dept Department of Pattern Recognition fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
author	ARLID cav_un_auth*0101197 name1 Somol name2 Petr institution UTIA-B full_dept Department of Pattern Recognition fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
author	ARLID cav_un_auth*0229336 name1 Střítecký name2 R. country CZ
source	url http://library.utia.cas.cz/separaty/2007/ro/pudil-methodology of selecting the most informative variables for decision-making.pdf
cas_special	project project_id 1M0572 agency GA MŠk ARLID cav_un_auth*0001814 project project_id 2C06019 agency GA MŠk country CZ ARLID cav_un_auth*0216518 project project_id 507752 country XE agency EC ARLID cav_un_auth*0200689 project project_id GA402/03/1310 agency GA ČR country CZ ARLID cav_un_auth*0009030 project project_id IAA2075302 agency GA AV ČR ARLID cav_un_auth*0001801 research CEZ:AV0Z10750506 abstract (eng) 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. abstract (cze) 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. action ARLID cav_un_auth*0229303 name 6th Int. Conf. on Information and Management Sciences place Lhasa, Tibet dates 01.07.2007-06.07.2007 country CN reportyear 2008 RIV BD permalink http://hdl.handle.net/11104/0147334 arlyear 2007 mrcbU63 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 mrcbU67 Lee Tien Sheng 340 mrcbU67 Liu Yankui 340 mrcbU67 Zhao Xiande 340