STATISTIK-FORUM.de

[Richmand]

Hallo zusammen,

ich habe folgendes Problem. Ich habe einen sehr großen Datensatz mit aufgezeichneter neuronaler Aktivität. Die Daten wurden auf 64 Kanälen aufgezeichnet und anschließend in den Frequenzraum transformiert (0-200Hz, Auflösung 3Hz), so dass ich eine Matrix mit Kanäle x Frequenzen habe. Meine Kernaufgabe besteht in der Wiedererkennung von Mustern in diesen Daten (vorher definierte Handbewegungen sollen aus der neuronalen Aktivität wiedererkannt werden). Meines wissens nach kann man die Lineare Diskriminanzanalyse (nach Fisher) sowohl zum Klassifizieren, als auch zur Featureselektion verwenden. Da ein Großteil, der für die Mustererkennung benötigten Informationen lediglich in einer kleinen Anzahl von Kanälen bzw. deren Frequenzbändern steckt, würde ich gerne mit Hilfe einer LDA eine Featureselektion vornehmen, um den Featureraum zu optimieren.
Mit all meinen nachforschungen bezüglich der LDA bin ich jetzt zwar soweit gekommen, dass ich mir meine eigene Routine in Matlab schreiben konnte, die (zum Klassifizieren) auch offensichtlcich fehlerfrei funktioniert, aber irgendwie habe ich ein Verständnidproblem bei der Selektion, der relevantesten Features.
Daher meine Frage: An welcher Stelle des LDA-Algorithmuses habe ich die Möglichkeit mir die für die Klassifikation relevantesten Features ausgeben zu lassen? Bzw. wo steckt diese Information?

Ich hoffe ich konnte das Problem verständlich machen und hoffe mir kann jemand dabei behilflich sein.

Gruß,
Richmand

[STATWORX]

Hallo,

Du könntest Dir die (standardisierten) Diskriminanzfunktionskoeffizienten anschauen. Diese werden m.W. nach von MATLAB berechnet.

VG
STATWORX

P.S.: Es existieren zur Feature-Selection eine Reihe von Funktionen in MATLAB, viele davon sind bereits in der Statistics-Toolbox integriert. Google mal "feature selection matlab"