Applying Machine Learning for Automated Classification of Biomedical Data in Subject-Independent Settings (eBook)
XV, 107 Seiten
Springer International Publishing (Verlag)
978-3-319-98675-3 (ISBN)
This book describes efforts to improve subject-independent automated classification techniques using a better feature extraction method and a more efficient model of classification. It evaluates three popular saliency criteria for feature selection, showing that they share common limitations, including time-consuming and subjective manual de-facto standard practice, and that existing automated efforts have been predominantly used for subject dependent setting. It then proposes a novel approach for anomaly detection, demonstrating its effectiveness and accuracy for automated classification of biomedical data, and arguing its applicability to a wider range of unsupervised machine learning applications in subject-independent settings.
Introduction .- Background .- Algorithms .- Point Anomaly Detection: Application to Freezing of Gait Monitoring .- Collective Anomaly Detection: Application to Respiratory Artefact Removals.- Spike Sorting: Application to Motor Unit Action Potential Discrimination .- Conclusion .
| Erscheint lt. Verlag | 23.8.2018 |
|---|---|
| Reihe/Serie | Springer Theses | Springer Theses |
| Zusatzinfo | XV, 107 p. 35 illus., 32 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Medizin / Pharmazie | |
| Naturwissenschaften ► Biologie | |
| Technik | |
| Schlagworte | Anomaly Detection for Biomedical Data • Anomaly Score Based Detector • Automated Feature Selection • Feature Selection Based on Voting • Fog Detection Systems • Forced Oscillation Measurements • Improving Classification Performance • Learning for Detecting Freezing of Gait Events • Novelty detection • Respiratory Artifact Detection • Subject-independent Classifiers • Unsupervised Anomaly Detection • Unsupervised Artifact Detection • Unsupervised Classification of Biomedical Data • Unsupervised Multi-class Sorting • Unsupervised Spike Sorting • Voting Process for Feature Selection |
| ISBN-10 | 3-319-98675-9 / 3319986759 |
| ISBN-13 | 978-3-319-98675-3 / 9783319986753 |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 4,6 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
