رویکرد ترکیبی برای کاهش ابعاد ویژگیهای مجموعه های داده ای با استفاده ازالگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک-در تشخیص پزشکی
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,094
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_110
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
مساله انتخاب زیرمجموعه ویژگیها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگیها از میان مجموعه داده اولیه می باشد و همچنین مبحث مهمی در تحلیل میزان همبستگی در زمینه های دسته بندی و مدلینگ می باشد که در کاهش ابعاد مجموعه ویژگی ها بکار می آید. این کار با حذف ویژگی هایی که ایجاد نویز می کنند و یا اینکه با دیگر ویژگیها همبستگی کمی دارند، انجام می شود. در واقع هدف این مقاله، بهبود محاسبه کارآیی دسته بندی، ایجاد دسته بندهای سریع و کم هزینه وتولید مدلهای دسته بندی سریعتر می باشد. در این مقاله، یک رویکرد ترکیبی برای کاهش ابعاد ویژگیهای مجموعه های داده ای با استفاده از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک در تشخیص بیماری ارائه شده است. مدل ترکیبی ارائه شده، با استفاده از مجموعه داده هایی از حوزه تشخیص پزشکی – از مرجعUC-Irvine(UCI) آزمایش شده است. نتایج پیاده سازی هم نشان می دهد که دقت دسته بندی زیرمجموعه های بدست آمده، نتایج مطلوبی را در مقایسه با مجموعه داده اصلی ایجاد کرده است
کلیدواژه ها:
نویسندگان
سکینه زنگنه
عضو هیات علمی دانشگاه آزاد اسلامی واحد بافت و دانشجوی کارشناسی ارشد هو
رضا جوانمردعلی تپه
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی قزوین، قزوین - ا
محمدمهدی عبادزاده
دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران - ایران