Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Automatische Identifikation und Selektion von untypischen Daten

Ein Beitrag zur Identifikation von untypischen Daten zur Trainingsdatenoptimierung für Support-Vektor-Maschinen am Beispiel von EEG-Daten
Automatic identification and selection of atypical data. A contribution to the identification of atypical data in training data optimization for support vector machines using the example of EEG data
 
: Trommer, M.; Wenzel, A.

:

Automatisierungstechnik : AT 64 (2016), Nr.1, S.19-28
ISSN: 0178-2312
ISSN: 0340-434X
Deutsch
Zeitschriftenaufsatz
Fraunhofer IOSB ()

Abstract
Der Dichte-Lage Datenfilter, kurz DiLa-Filter, ist als neuartiger Datenbearbeitungsalgorithmus für die Klassifikation von Elektroenzephalogramm (EEG)-Daten durch Support-Vektor-Maschinen (SVM) entwickelt worden, aber auch für eine Vielzahl anderer Problemstellungen anwendbar. Der neuartige Algorithmus wird dazu eingesetzt, untypische Datensätze aus der Trainingsdatenmenge einer SVM zu entfernen und hierdurch die Generalisierungsfähigkeit der resultierenden Klassifikatoren deutlich zu steigern. Untersuchungen an realen EEG-Daten belegen die Verbesserung der Modelle durch die mittels DiLa-Filter modifizierten Trainingsdaten.

 

The Density-Distance data filter is developed as data processing algorithm for classification of EEG-data with Support Vector Machine (SVM) but is also usable for many other applications. The novel algorithm is used to delete untypical data from training dataset of SVM and thus increasing generalization ability of resulting models essentially. Studies with real EEG-data evidence an improvement of SVM models by processed training data with Density-Distance data filter.

: http://publica.fraunhofer.de/dokumente/N-382207.html