خوشه بندی داده های بیماری هپاتیت با استفاده از الگوریتم بهینه سازی علف های هرز
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
- کد COI اختصاصی: CBCONF01_0012
- زبان مقاله: فارسی
- تعداد مشاهده: 881
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
عضو هیئت علمی، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
لزوم استفاده از الگوریتم های یادگیر در پیش بینی و تشخیص بیماری به نحوی که صحت و اعتبار عملکرد آن قابلتضمین باشد، مطالعات و تحقیقات جدید را به سوی دستیابی به راهکارهای بهینه در هر دو زمینه پزشکی و دانش کامپیوتررهنمون کرده است. در این راستا بیوانفورماتیک علمی است که توانسته این همکاری را بین محققان این دو رشته به نحواحسن فراهم آورد. برای خوشه بندی داده های بیماری هپاتیت بایستی به داده های بیماری هپاتیت دسترسی داشت. برروی داده ها ابتدا با استفاده از شاخص مرکزی میانگین عمل پاکسازی داده ها صورت گرفته است سپس بعداز نرمال سازیبه کمک الگوریتم تحلیل تفکیکی فیشر تعداد 6 ویژگی از بین 91 ویژگی انتخاب و مدل پیشنهادی معرفی شده است، کهترکیبی از خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز می باشد و با اعمال آن بر روی پایگاه داده مذکور ومقایسه نتایج خوشه بندی آن با الگوریتم های بهینه سازی هوشمند دیگر نظیر الگوریتم بهینه سازی ازدحام ذرات، الگوریتمبهینه سازی کلونی مورچگان، الگوریتم های K-Medoids و K-Means می توان دریافت که ترکیب خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز نه تنها دقت خوشه بندی را بالا می برد بلکه قدرت تعمیم دهی مدل را نیزافزایش می دهد. نتایج استفاده از خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز حاکی از دقت 100 % درطبقه بندی داده های آزمایشی و 98.9 % در طبقه بندی داده های آموزشی است.کلیدواژه ها
خوشه بندی، هپاتیت، الگوریتم بهینه سازی علف های هرز، الگوریتم K-Means ، الگوریتم K-Medoids ، الگوریتم تحلیل ترکیبی فیشرمقالات مرتبط جدید
- HTPA: a hybrid traffic pattern aware arbitration strategy for network on chip systems
- نقش هوش مصنوعی در مدیریت مصرف انرژی
- کارآیی شیلدینگ الکترومغناطیسی ی ک محفظه کامپوزی تی غیرهمسانگرد چندال یه با شکل دلخواه
- حسگرهای انعطافپذیر برای آموزش مهندسی مکاترونیک
- بررسی جامع چالش های اینترنت اشیا و راهکارهای مقابله
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.