The research described in this paper concerns the reduction of streams of data derived from medical devices, i.e. ECG recordings. Experimental studies included three instance selection techniques: thresholding method, bounds checking and frequent data reduction. It was shown that application the instance selection techniques may reduce data stream by over 90% without losing anomalies or the measurements that are key values for the medical diagnosis. Streszczenie. W ramach niniejszej pracy przeprowadzona została redukcja strumienia danych pozyskanych z urządzeń medycznych. Badania eksperymentalne obejmowały zastosowanie trzech technik selekcji przypadków: metody eliminacji progowej, weryfikacji zakresu oraz redukcji obiektów częstych. W pracy zostało wykazane, że zastosowanie selekcji przypadków pozwala na redukcję strumienia danych o ponad 90% bez utraty wartości kluczowych dla postawienia diagnozy medycznej. (Redukcja strumienia danych pozyskiwanych z urządzeń diagnostyki medycznej za pomocą technik selekcji przypadków).
The use of automatic feature selection and state classification of power transformer has been proposed in this research. The experimental studies were carried out on real data. Feature selection was performed using the CFS, InfoGain and ReliefF methods. The classification was carried out using C4.5, k-NN, SMO and AdaBoost algorithms. Experimental studies have proved that the automatic classification allows to obtain results comparable to the classification carried out by experts-regardless of the method the number of cases correctly classified was above 90%. Streszczenie. W ramach niniejszej pracy zaproponowane zostało zastosowanie selekcji cech i automatycznej klasyfikacji stanu transformatora energetycznego. Badania przeprowadzone zostały na rzeczywistych danych. Selekcję cech przeprowadzono z zastosowaniem metod CFS InfoGain i ReliefF. Proces klasyfikacji przeprowadzony został za pomocą algorytmów C4.5, k-NN, SMO i AdaBoost. Badania eksperymentalne wykazały, że automatyczna klasyfikacja danych pozwala na uzyskanie rezultatów porównywalnych do klasyfikacji przeprowadzonej przez ekspertów-niezależnie od zastosowanej metody liczba przypadków zaklasyfikowanych poprawnie wyniosła powyżej 90%. (Techniki selekcji cech i automatycznej klasyfikacji w procesie oceny stanu transformatora energetycznego).
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.