Regularized logistic regression and multi-objective variable selection for classifying MEG data

Santana, Roberto; Larrañaga Múgica, Pedro y Bielza Lozoya, Maria Concepcion (2012). Regularized logistic regression and multi-objective variable selection for classifying MEG data. "Biological Cybernetics", v. 106 (n. 6-7); pp. 389-405. ISSN 0340-1200. https://doi.org/10.1007/s00422-012-0506-6.

Descripción

Título: Regularized logistic regression and multi-objective variable selection for classifying MEG data
Autor/es:
  • Santana, Roberto
  • Larrañaga Múgica, Pedro
  • Bielza Lozoya, Maria Concepcion
Tipo de Documento: Artículo
Título de Revista/Publicación: Biological Cybernetics
Fecha: Septiembre 2012
Volumen: 106
Materias:
Palabras Clave Informales: Brain computer interface, Interfaz cerebro-ordenador, MEG, Multiobjective optimization, Optimización multiobjetivo, Classification, Clasificación, Feature subset selection, Selección de características del subconjunto, Probabilistic modeling, Modelo probabilístico.
Escuela: Facultad de Informática (UPM) [antigua denominación]
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

This paper addresses the question of maximizing classifier accuracy for classifying task-related mental activity from Magnetoencelophalography (MEG) data. We propose the use of different sources of information and introduce an automatic channel selection procedure. To determine an informative set of channels, our approach combines a variety of machine learning algorithms: feature subset selection methods, classifiers based on regularized logistic regression, information fusion, and multiobjective optimization based on probabilistic modeling of the search space. The experimental results show that our proposal is able to improve classification accuracy compared to approaches whose classifiers use only one type of MEG information or for which the set of channels is fixed a priori.

Más información

ID de Registro: 16447
Identificador DC: http://oa.upm.es/16447/
Identificador OAI: oai:oa.upm.es:16447
Identificador DOI: 10.1007/s00422-012-0506-6
URL Oficial: http://link.springer.com/article/10.1007%2Fs00422-012-0506-6
Depositado por: Memoria Investigacion
Depositado el: 15 Jul 2013 15:01
Ultima Modificación: 21 Abr 2016 16:45
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM