انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 804
فایل این مقاله در 8 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:
CITCONF02_439
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
پارکینسون نوعی بیماری عصبی است که به سرعت بر روی اندام های حرکتی انسان تاثیر می گذارد. تشخیص زودهنگام این بیماری برای جلوگیری از پیشرفت آن بسیار مهم است. دقت دسته بندی SVM به طور کامل به نحوه انتخاب داده های آموزشی آن بستگی دارد. در این مقاله نشان داده شده است که چگونه با استفاده از الگوریتم ژنتیک بهترین داده های آموزشی برای دسته بندی SVM انتخاب شده است، و از طریق روش پیشنهادی، دقت تشخیص بیماری پارکینسون پارکینسون به میزان 2.87% بهبود داده شد و 98.97% رسیده است.
کلیدواژه ها:
نویسندگان
سیده ساناز طیرانی بطحایی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه امام رضا(ع)،مشهد،ایران
جواد حمیدزاده
عضو هیئت علمی،دانشکده مهندسی کامپیوتر و فناری اطلاعات،دانشگاه صنعتی سجاد،مشهد،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :