انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون
عنوان مقاله: انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون
شناسه ملی مقاله: CITCONF02_439
منتشر شده در دومین همایش ملی پژوهش های کاربردی در علوم کامپیوتر و فناوری اطلاعات در سال 1393
شناسه ملی مقاله: CITCONF02_439
منتشر شده در دومین همایش ملی پژوهش های کاربردی در علوم کامپیوتر و فناوری اطلاعات در سال 1393
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: تشخیص بیماری پارکینسون، دسته بندی بردار پشتیبان، الگوریتم ژنتیک،دسته بندی SVM
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/455309/