Abstract
Die vorliegende Arbeit beschäftigt sich mit dem Problem der Automatischen Schlafklassifikation. Besonderes Augenmerk wurde darauf gelegt, eine Methode zu finden, die eine Beschreibung der einzelnen Schläfstadien, ausgehend von Messungen des EEG, EMG, EOG etc., und der Klassifikation von einem Experten erstellen kann. Diese Methode soll dreierlei Anforderungen entsprechen: Klas-. sifikatipnsgenauigkeit, Interpretierbarkeit der Ergebnisse und die Möglichkeit, relevante von irrelevanten Variablen zu trennen. Die hier vorgestellte Lösung besteht aus einer Kombination des sub-symbolischen Algorithmus LVQ mit dem symbolischen Entscheidungsbaumgenerator ID3. Um die Gültigkeit dieses Ansatzes zu belegen, zeigen wir Resultate an 8 Datensätzen.
| Original language | German |
|---|---|
| Pages (from-to) | 73-80 |
| Number of pages | 8 |
| Journal | Biomedizinische Technik |
| Volume | 38 |
| Issue number | 4 |
| DOIs | |
| State | Published - 1993 |
| Externally published | Yes |
Keywords
- data analysis
- parameter relevance estimation
- rter Schlafklassifikation Datenanalyse Schä
- Schlü
- Sleep classification
- sselwö
- symbolic and sub-symbolic approaches
- tzung der Parameterrelevanz symbolische und subsymbolische Methoden
ASJC Scopus subject areas
- Biomedical Engineering
Cite this
Automatische Schlafklassifikation bei Säuglingen mit Hilfe von, symbolischen und subsymbolischen Methoden. / Kubat, Miroslav; Pfurtscheller, G.; Flotzinger, D.
In: Biomedizinische Technik, Vol. 38, No. 4, 1993, p. 73-80.Research output: Contribution to journal › Article
}
TY - JOUR
T1 - Automatische Schlafklassifikation bei Säuglingen mit Hilfe von, symbolischen und subsymbolischen Methoden
AU - Kubat, Miroslav
AU - Pfurtscheller, G.
AU - Flotzinger, D.
PY - 1993
Y1 - 1993
N2 - Die vorliegende Arbeit beschäftigt sich mit dem Problem der Automatischen Schlafklassifikation. Besonderes Augenmerk wurde darauf gelegt, eine Methode zu finden, die eine Beschreibung der einzelnen Schläfstadien, ausgehend von Messungen des EEG, EMG, EOG etc., und der Klassifikation von einem Experten erstellen kann. Diese Methode soll dreierlei Anforderungen entsprechen: Klas-. sifikatipnsgenauigkeit, Interpretierbarkeit der Ergebnisse und die Möglichkeit, relevante von irrelevanten Variablen zu trennen. Die hier vorgestellte Lösung besteht aus einer Kombination des sub-symbolischen Algorithmus LVQ mit dem symbolischen Entscheidungsbaumgenerator ID3. Um die Gültigkeit dieses Ansatzes zu belegen, zeigen wir Resultate an 8 Datensätzen.
AB - Die vorliegende Arbeit beschäftigt sich mit dem Problem der Automatischen Schlafklassifikation. Besonderes Augenmerk wurde darauf gelegt, eine Methode zu finden, die eine Beschreibung der einzelnen Schläfstadien, ausgehend von Messungen des EEG, EMG, EOG etc., und der Klassifikation von einem Experten erstellen kann. Diese Methode soll dreierlei Anforderungen entsprechen: Klas-. sifikatipnsgenauigkeit, Interpretierbarkeit der Ergebnisse und die Möglichkeit, relevante von irrelevanten Variablen zu trennen. Die hier vorgestellte Lösung besteht aus einer Kombination des sub-symbolischen Algorithmus LVQ mit dem symbolischen Entscheidungsbaumgenerator ID3. Um die Gültigkeit dieses Ansatzes zu belegen, zeigen wir Resultate an 8 Datensätzen.
KW - data analysis
KW - parameter relevance estimation
KW - rter Schlafklassifikation Datenanalyse Schä
KW - Schlü
KW - Sleep classification
KW - sselwö
KW - symbolic and sub-symbolic approaches
KW - tzung der Parameterrelevanz symbolische und subsymbolische Methoden
UR - http://www.scopus.com/inward/record.url?scp=84947005650&partnerID=8YFLogxK
UR - http://www.scopus.com/inward/citedby.url?scp=84947005650&partnerID=8YFLogxK
U2 - 10.1515/bmte.1993.38.4.73
DO - 10.1515/bmte.1993.38.4.73
M3 - Article
C2 - 8507806
AN - SCOPUS:84947005650
VL - 38
SP - 73
EP - 80
JO - Biomedizinische Technik. Biomedical engineering
JF - Biomedizinische Technik. Biomedical engineering
SN - 0013-5585
IS - 4
ER -