hrvatski

Važnost pojedinih značajki u klasifikaciji metodom slučajnih šuma

U okviru je ovog rada obrađena, kroz tematiku klasifikacije faza sna, metoda strojnog učenja „Random Forest“. U uvodnom se dijelu najprije razmatra izvorni oblik podataka-snimljeni EEG signal. Nakon promatranja temeljnih svojstava tog nestacionarnog signala, u nastavku se razlažu temeljne metode pretprocesiranja istoga korištenjem odabrane HHT transformacije, kako bi se izračunali parametri ključni kao značajke vektora koji je ulazni podatak u klasifikator. Naposljetku, promatra se metoda klasifikacije, njezina svojstva i karakteristike tipične za metodu strojnog učenja „Random Forest“, te njezina primjena na promatrani problem. Završni dio predstavlja obrazlaganje dobivenih rezultata, kao i poboljšanja koja bi mogla povećati uspješnost promatranog postupka klasifikacije. U tom dijelu posebice se stavlja naglasak na značajke odabrane kao ulaz u klasifikator te načini njihovog poboljšanja.

Elektroencefalogram (EEG); signal; nestacionarnost; nelinearnost; dekompozicija; pretprocesiranje; Hilbert-Huangova transformacija; empirijska dekompozicija signala (EMD); jednostavna svojstvena funkcija (IMF); „Slučajne šume“; skup podataka za treniranje; skup podataka za testiranje; klasifikacija; nadzirano učenje; stablo odluke; PROC krivulje; parametri TP; TN; FP; FN; rffit; proc; RIS

nije evidentirano