Die vorgeschlagene Arbeit wurde entwickelt, um das Risiko einer hochdimensionalen Datendarstellung in Form einer niedrigdimensionalen Datendarstellung zu verringern. Die Reduzierung der Dimensionalität wird durch die Auswahl der richtigen Merkmale erreicht, wobei die Dimensionen reduziert werden und ein geeignetes Modell erstellt wird, um die richtige Wahl zu treffen. In diesem Bericht werden die Verfahren zur Dimensionalitätsreduzierung wie Hauptkomponentenanalyse (PCA), Kernel-PCA und Locally Linear Embedded (LLE) vorgestellt.

Arrhythmia occurs when there is no proper working of electrical impulses present in the heart. An earlier detection of irregular heart rhythm is necessary in order to rescue ones survival. Classification of arrhythmia is needed for diagnosis. This report confers the Principle component analysis as feature reduction process to reduce high dimensional input without influencing classification methods and two feature selection techniques such as Grey wolf optimizer (GWO), Particle swarm optimization (PSO), and Support Vector Machine (SVM) helpful in choosing features with arrhythmia and...

The proposed work developed to reduce the risk of high dimensional data representation in the form of low dimensional data representation. Reduction in dimensionality is achieved by choosing the right features where the dimensions get reduced, it build a right model to achieve right choice. This report presents the dimensionality reduction practices such as Principal Component Analysis (PCA), Kernel PCA and Locally Linear Embedded (LLE).

Le travail proposé a été développé pour réduire le risque de représentation de données à haute dimension sous la forme d'une représentation de données à faible dimension. La réduction de la dimensionnalité est obtenue en choisissant les bonnes caractéristiques où les dimensions sont réduites, ce qui permet de construire un bon modèle pour réaliser le bon choix. Ce rapport présente les pratiques de réduction de la dimensionnalité telles que l'analyse en composantes principales (ACP), l'ACP à noyau et l'intégration linéaire locale (ELL).

Mit der Microarray-Technologie werden Tausende von Genen zur gleichen Zeit überwacht. In dieser Arbeit wird die Technik der Merkmalsauswahl eingesetzt, um die unterschiedlich exprimierten Gene zu identifizieren, indem eine Untergruppe von Genen ausgewählt wird, die bestplatzierten Gene ausgewählt werden oder die redundanten Gene für ein besseres Klassifizierungsmodell entfernt werden. In dieser Arbeit wird die Effizienz von drei Merkmalsauswahlmethoden, nämlich Einweg-ANOVA, Kruskall-Wallis und T-Test für die Genauswahl auf drei öffentlich zugänglichen Microarray-Datensätzen...

La technologie des puces à ADN est utilisée pour surveiller des milliers de gènes au même moment. Ce travail utilise la technique de sélection des caractéristiques pour identifier les gènes exprimés différemment en sélectionnant un sous-ensemble de gènes, en sélectionnant les gènes les mieux classés ou en supprimant les gènes redondants pour un meilleur modèle de classification. Ce travail présente l'efficacité de trois méthodes de sélection de caractéristiques, à savoir l'ANOVA à sens unique, le test de Kruskall-Wallis et le test T pour la sélection de gènes sur...