Bibliography

(eng): The paper gives an overview of feature selection techniques in statistical pattern recognition with particular emphasis on methods developed within the Institute of Information Theory and Automation research team throughout recent years. Besides discussing the advances in methodology since times of Perez's pioneering work the paper attempts to put the methods into a taxonomical framework. The methods discussed include the latest variants of the optimal algorithms, enhanced sub-optimal techniques and the simultaneous semi-parametric probability density function modelling and feature space selection method. Some related issues are illustrated on real data by means of the Feature Selection Toolbox software.

(cze): Článek dává přehled metod výběru příznaků ve statististickém přístupu k rozpoznávání s důrazem na metody vyvinuté během posledních let výzkumným týmem z Ústavu teorie informace a automatizace. Autoři kromě diskuse o rozvoji metodologie od doby průkopnické práce A. Pereze, navrhují taxonomický systém diskutovaných metod. Metody zahrnují poslední varianty optimálních algoritmů, suboptimální metody a metody současného semi-parametrický modelování hustot pravděpodobnosti a metod výběru podprostoru příznaků. Některé základní problémy jsou ilustrovány na reálných datech s využitím softwaru pro výběr příznaků vyvinutého zmíněným týmem.