| Abstract: |  Cílem práce je přizpůsobit a optimalizovat adaptivně nebo konstantně segmentovaný EEG záznam pro použití inkrementálního učení na dlouhodobých záznamech. Jsou použity již navržené algoritmy pro segmentaci a výpočet příznaků z PSGLab toolboxu. Snahou je sjednotit matematický popis příznaků získaných adaptivní a konstantní segmentací a dále příznaky co nejvíce zredukovat pro urychlení výpočtu shlukování a klasifikace nejbližším sousedem. Při inkrementálním učení docházelo k neefektivnímu přehodnocování celého záznamu po každém nově přidaném segmentu do trénovací množiny. Jako řešení byly navrženy dvě metody jak se tomu vyvarovat a přehodnocovat jen potřebné části.
|
|---|