@ persidangan{Ilias2017275,
tajuk = {Feature extraction of autism gait data using principal component analysis and linear discriminant analysis},
pengarang = {S Ilias and N M Tahir and R Jailani},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85034081031&doi=10.1109%2fIEACON.2016.8067391&rakan kongsi = 40&md5=7deaef6538413df7bfaf7cf723001d72},
doi = {10.1109/IEACON.2016.8067391},
isbn = {9781509009251},
tahun = {2017},
tarikh = {2017-01-01},
jurnal = {IEACon 2016 - 2016 IEEE Industrial Electronics and Applications Conference},
halaman = {275-279},
penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.},
abstrak = {Dalam penyelidikan ini, the application of machine learning approach specifically support vector machine along with principal component analysis and linear discriminant analysis as feature extractions are evaluated and validated in discriminating gait features between normal subjects and autism children. Gait features of 32 normal and 12 autism children were recorded and analyzed using VICON motion analysis system and a force platform during normal walking. Di sini, twenty one gait features describing the three types of gait characteristics namely basic, kinetic and kinematic in these children are extracted. Selanjutnya, with these gait features as input during classification, the ability of SVM as classifier are investigated using three different kernel functions specifically linear, polynomial, and radial basis. Results showed that LDA as feature extraction is the highest accuracy with kinematic parameters as gait features along with polynomial function as kernel for the SVM classifier. This finding proven that LDA is suitable as feature extraction and SVM is indeed apt as gait classifier in classifying the gait pattern autism and normal children. © 2016 IEEE.},
nota = {dipetik oleh 0},
kata kunci = {Pengelasan (maklumat), Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Image Retrieval, Elektronik Perindustrian, Kernel Function, Kinematic Parameters, Kinematik, Belajar, Analisis Diskriminasi Linear, Machine Learning Approaches, Sistem Analisis Pergerakan, Polynomial Functions, Analisis Komponen Utama, Mesin Vektor Sokongan, SVM Classifiers},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}

@ persidangan{elias201767,
tajuk = {Analisis Diskriminasi Linear dalam Mengklasifikasikan Gait Berjalan Kanak-Kanak Autistik},
pengarang = {S Ilias and N M Tahir and R Jailani and C Z C Hasan},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85048377850&doi = 10.1109% 2fEMS.2017.22&rakan kongsi = 40&md5=06de53be2b4f3976ddcc420067ab6e44},
doi = {10.1109/EMS.2017.22},
isbn = {9781538614099},
tahun = {2017},
tarikh = {2017-01-01},
jurnal = {Prosiding - Simposium Permodelan Eropah ke-11 UKSim-AMSS mengenai Permodelan dan Simulasi Komputer, EMS 2017},
halaman = {67-72},
penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.},
abstrak = {Matlamat penyelidikan ini adalah untuk menyiasat keberkesanan antara Analisis Komponen Utama (PCA) dan Analisis Diskriminasi Linear (LDA) bersama dengan rangkaian saraf (NN) dalam mengklasifikasikan gaya berjalan kanak-kanak autisme berbanding kumpulan kawalan. Dua belas kanak-kanak autistik dan tiga puluh dua kanak-kanak normal mengambil bahagian dalam kajian ini. Pertama, gaya berjalan kedua-dua kumpulan ini diperoleh menggunakan Sistem Analisis Gerakan VICON untuk mengekstrak tiga dimensi (3D) ciri gait yang terdiri daripada 21 ciri gait iaitu lima ciri daripada spatial temporal asas, lima ciri mewakili parameter kinetik dan dua belas ciri dari kinematik. Selanjutnya, PCA dan LDA digunakan sebagai pengekstrakan ciri dalam menentukan ciri penting antara ciri gaya berjalan ini. Dengan NN sebagai pengelas, keputusan menunjukkan bahawa LDA sebagai pengekstrakan ciri mengatasi PCA untuk klasifikasi autisme berbanding kanak-kanak normal iaitu corak gaya berjalan kinematik yang dicapai 98.44% ketepatan diikuti oleh ciri gaya berjalan spatial temporal asas dengan ketepatan 87.5%. © 2017 IEEE.},
nota = {dipetik oleh 0},
kata kunci = {Autisme, Kanak-kanak Autistik, Kanak-kanak dengan Autisme, Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Kinematik, Analisis Diskriminasi Linear, Sistem Analisis Pergerakan, Rangkaian Neural, Analisis Komponen Utama, Tiga Dimensi},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}