Temat: grupowanie - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Segmentation of biomedical signals using an unsupervised approach
Autorzy:: Przybyła, T.
Wróbel, J.
Czabański, R.
Horoba, K.
Pander, T.
Momot, M.
Powiązania:: https://bibliotekanauki.pl/articles/333275.pdf
Data publikacji:: 2012
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: atraktor
przestrzeń jądra
grupowanie rozmyte
embedded space
attractor
PCA
kernel space
fuzzy clustering
Opis:: The paper presents an unsupervised approach to biomedical signal segmentation. The proposed segmentation process consists of several stages. In the first step, a state-space of the signal is reconstructed. In the next step, the dimension of the reconstructed state-space is reduced by projection into principal axes. The final step involves fuzzy clustering method. The clustering process is applied in the kernel-feature space. In the experimental part, the fetal heart rate (FHR) signal is used. The FHR baseline and the acceleration or deceleration patterns are the main signal nonstationarities but also the most clinically important signal features determined and interpreted in computer-aided analysis.
Źródło:: Journal of Medical Informatics & Technologies; 2012, 19; 125-131
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Detekcja sakkad w sygnale ENG z użyciem grupowania rozmytego
An application of fuzzy clustering for saccade detection in ENG signal
Autorzy:: Pander, T.
Czabański, R.
Wróbel, J.
Horoba, K.
Przybyła, T.
Powiązania:: https://bibliotekanauki.pl/articles/98799.pdf
Data publikacji:: 2013
Wydawca:: Politechnika Śląska. Katedra Biomechatroniki
Tematy:: detekcja sakkad
grupowanie rozmyte
sygnał ENG
oczopląs
saccade detection
fuzzy clustering
ENG signal
nystagmus
Opis:: Sygnał elektrynystagmograficzny (ENG) z oczopląsem ma postać fali o piłokształtnym kształcie składającym się z fazy wolnej oraz szybkiej. Faza szybka to ruch sakkadyczny gałki ocznej. Skuteczna i dokładna detekcja sakkad ma kluczowe znaczenie w określeniu charakteru oczopląsu. W celu prawidłowej detekcji położenia sakkad sygnał ENG jest filtrowany a maksima lokalne są wykrywane za pomocą rozmytej metody c-średnich. Proponowany algorytm charakteryzuje się dużą czułością i pozwala na automatyczną i precyzyjną lokalizację sakkad w sygnale ENG.
The electronystagmography (ENG) signal corresponding to nystagmus has a form of a saw tooth waveform with fast components related to saccades. The accurate detection of saccades in ENG signal is the base for the further estimation of the nystagmus characteristic. The proposed algorithm is based on the proper filtering of the ENG signal providing a waveform with amplitude peaks corresponding the fast eyes rotation. The correct recognition of the local maxima of the signal is obtained by the means of fuzzy c-means clustering (FCM). The proposed algorithm is highly sensitive and allows for the automatic and precise localization of the saccades in ENG signal.
Źródło:: Aktualne Problemy Biomechaniki; 2013, 7; 137-142
1898-763X
Pojawia się w:: Aktualne Problemy Biomechaniki
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Fuzzy clustering based methods for nystagmus movements detection in electronystagmography signal
Autorzy:: Czabański, R.
Pander, T.
Horoba, K.
Przybyła, T.
Powiązania:: https://bibliotekanauki.pl/articles/332952.pdf
Data publikacji:: 2013
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: saccade detection
optokinetic nystagmus
fuzzy clustering
detekcja ruchów sakadowych
oczopląs optokinetyczny
grupowanie rozmyte
sygnał ENG
Opis:: The analysis of optokinetic nystagmus (OKN) provides valuable information about the condition of human vision system. One of the phenomena that is used in the medical diagnosis is optokinetic nystagmus. Nystagmus are voluntary or involuntarily eye movements being a response to a stimuli which activate the optokinetic systems. The electronystagmography (ENG) signal corresponding to the nystagmus has a form of a saw tooth waveform with fast components related to saccades. The accurate detection of the saccades in the ENG signal is the base for the further estimation of the nystagmus characteristic. The proposed algorithm is based on the proper filtering of the ENG signal providing a waveform with amplitude peaks corresponding the fast eyes rotation. The correct recognition of the local maxima of the signal is obtained by the means of fuzzy c-means clustering (FCM). The paper presents three variants of saccades detection algorithm based on the FCM. The performance of the procedures was investigated using the artificial as well as the real optokinetic nystagmus cycles. The proposed method provides high detection sensitivity and allows for the automatic and precise determination of the saccades location in the preprocessed ENG signal.
Źródło:: Journal of Medical Informatics & Technologies; 2013, 22; 277-283
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: An approach to unsupervised classification
Autorzy:: Przybyła, T.
Pander, T.
Horoba, K.
Kupka, T.
Matonia, A.
Powiązania:: https://bibliotekanauki.pl/articles/333363.pdf
Data publikacji:: 2011
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: klasyfikacja
grupowanie rozmyte
klasyfikacja nienadzorowana
klasyfikator najbliższych sąsiadów
classification
fuzzy clustering
unsupervised classification
nearest neighbour classifier
Opis:: Classification methods can be divided into supervised and unsupervised methods. The supervised classifier requires a training set for the classifier parameter estimation. In the case of absence of a training set, the popular classifiers (e.g. K-Nearest Neighbors) can not be used. The clustering methods are considered as unsupervised classification methods. This paper presents an idea of the unsupervised classification with the popular classifiers. The fuzzy clustering method is used to create a learning set. The learning set includes only these patterns that are the best representative of each class in the input dataset. The numerical experiment uses an artificial dataset as well as the medical datasets (PIMA, Wisconsin Breast Cancer) and illustrates the usefulness of the proposed method.
Źródło:: Journal of Medical Informatics & Technologies; 2011, 17; 105-111
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: A new approach for the clustering using pairs of prototypes
Autorzy:: Jezewski, M.
Czabanski, R.
Leski, J.
Horoba, K.
Powiązania:: https://bibliotekanauki.pl/articles/333693.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: fuzzy clustering
pairs of prototypes
fuzzy rule-based classification
grupowanie rozmyte
pary prototypów
rozmyta klasyfikacja oparta na regułach
Opis:: In the presented work two variants of the fuzzy clustering approach dedicated for determining the antecedents of the rules of the fuzzy rule-based classifier were presented. The main idea consists in adding additional prototypes (’prototypes in between’) to the ones previously obtained using the fuzzy c-means method (ordinary prototypes). The ’prototypes in between’ are determined using pairs of the ordinary prototypes, and the algorithm based on distances and densities finding such pairs was proposed. The classification accuracy obtained applying the presented clustering approaches was verified using six benchmark datasets and compared with two reference methods.
Źródło:: Journal of Medical Informatics & Technologies; 2015, 24; 113-121
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "grupowanie" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język