تشخیص بیماری پارکینسون با استفاده از داده های نا متوازن و الگوریتم های داده کاوی

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 725

فایل این مقاله در 8 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EISTC05_007

تاریخ نمایه سازی: 20 مهر 1399

چکیده مقاله:

بیماري پارکینسون یکی از بیماري هاي شایع درجهان بوده که اگر به موقع تشخیص داده نشود باعث لرزش در تمام اندام هاي می شود. با توجه به اینکه بیماري پارکینسون از رایج ترین بیماري هاي مغز و اعصاب می باشد، ارائه رو شی ساده و کم هزینه براي تشخیص صحیح آن از اهمیت بالایی برخوردار است. بطور کلی ترکیب طبقه بندها یک زمینه تحقیقاتی جدید در مبحث یادگیري ماشین و تشخیص الگو می باشد. روش هاي ترکیبی به این صورت است که مجموعه اي از طبقه بندها را با داده هاي آموزشی ایجاد کرده و میزان صحت را با انجام عملیات راي گیري بر روي نتایج آنها بدست می آورند. از طرفی با وجود داده هاي نامتوازن و یادگیري در مجموعه داده هاي نامتوازن جایی که نمونه هاي طبقه اکثریت خیلی بیشتر از بقیه است، چالش مهمی در یادگیري ماشین است زیرا الگورتیم هاي قدیمی یادگیري ماشین، ممکن است به سمت طبقه اکثریت متمایل شوند و این مسئله صحت پیش بینی را در طبقه اقلیت پایین می آورد. در این مقاله روش زیرنمونه برداري تصادفی را بعد از مقایسه آن با روش هاي دیگر نمونه برداري مانند بیش نمونه برداي تصادفی و EasyEnsemble و ModifiedBagging، براي نمونه برداري مجموعه آموزش استفاده شد و سپس نتایج را با معیارهاي Recall و Precision و معیار F و معیار G ارزیابی نموده تا توان پیش بینی طبقه بندها در مقابل داده هاي نامتوازن افزایش پیدا کند. در این مقاله روشی را بر مبناي استخراج ویژگی بر مبناي طبقه بند ترکیبی شد تا داده هاي آموزش را براي طبقه بند پایه ایجاد شود.

نویسندگان

ناهید شمس

دانشجوی کارشناسی ارشد مهندسی کامپیوتر- گرایش نرم افزار، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران

تورج بنی رستم

استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران