سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن

Publish place: 1st Conference on Computer, Communication, and Information Technology
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,150

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:
https://civilica.com/doc/132094

Document National Code:

CSCCIT01_115

Index date: 28 January 2012

تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن abstract

اغلب الگوریتم های رده بندی فرض می کنند که توزیع رده ها یکسان است و در صورتی که توزیع رده ها نامتوازن باشد این الگوریتم ها در تشخیص خود دچار مشکل می شوند و رده ی اقلیت که تعداد داده های آن بسیار کم است اغلب نادیده انگاشته می شود . نمونه ای از این مسائل نامتوازن تشخیص افراد سرطانی می باشد. در این مقاله روشی کارا برای تشخیص سرطان سینه ارائه شده و نتایج بدست آمده با سایر الگوریتم های رده بندی مقایسه شده است. مجموعه اادهی مورد استفاده در این مقاله ، شامل اطلاعات بینماران زن مراجعه کننده به بیمارستان شهید رجایی آران و بیدگل می باشد.

تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن Keywords:

تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن authors

فاطمه السادات طباطبائی عینکی

دانشگاه قم -گروه فناوری اطلاعات

بهروز مینایی بیدگلی

دانشگاه علم و صنعت ایران - دانشکده مهندسی کامپیوتر

فریبا مینایی بید گلی

دانشگاه علوم پزشکی کاشان- دانشکده پزشکی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
American Cancer Society, Cancer Facts & Figures 2009, Atlanta, American ...
Cancer Council Victoria, Breast cancer: for people with cancer, their ...
American Cancer Society, Breast Cancer Facts & Figures 2009-2010, Atlanta, ...
Akay, M. F., "Support vector machines combined with feature selection ...
Parvin, H., Minaei-B idgoli, B., Alizadeh, H., "Iranian Cancer Patient ...
He, H., Garcia E. A., "Learning from imbalanced data", IEEE ...
Kubat, M., Holte, R., Matwin, S., "Machine learning for detection ...
Liu, X. Y., Wu, J., Zhou, Z. H., "Exploratory Under- ...
Liu, X. Y., Wu, J., Zhou, Z. H., "Exploratory Under- ...
Hulse, J. V., Khoshgoftaar, T. M., Napolitano, _ "Experimental Perspectives ...
Kubat, M., Matwin, S., "Addressing the curse of imbalanced training ...
Chawla, N. V., Bowyer, K. W., Hall, L. O., Kegelmeyer, ...
Han, H., Wang, W. Y., Mao, B. H., _ _ ...
Elkan, C., "The Foundations of Cost-Sensitive Learning", Proc. Int '1 ...
Liu, X. Y., Zhou, Z. H., "The Influence of Class ...
Maloof, M. A., "Learning When Data Sets Are Imbalanced and ...
He, H., Bai, Y., Garcia, E. A., Li, S., :ADASYN: ...
Sun, Y., Kamel, M. S., Wang, Y., "Boosting for Learning ...
_ _ _ Class-Based and _ Selectionr", Computer and Information ...
Figueredo, G. P., Ebecken, N. F., Barbosa, H. J. C., ...
Liu, A, Ghosh, J., Martin, C., "A Framework for Analyzing ...
Breiman, L., "Bagging predictors, " Machine Learning, Vol. 24, No. ...
Schapire, R. E., _ brief introduction to Boosting", In Proceedings ...
Freund, Y., "Boosting a weak learning algorithm by majority", Information ...
Schapire, R. E., "The strength of weak learnability", Machine Learning, ...
Freund, Y., Schapire, R. E., _ deci sion-theoretic generalization of ...
Bishop, C. M., Neural networks for pattern recognition. Oxford, Clarendon ...
Duan, K., Keerthi, S. S., "Which Is the Best Multiclass ...
Breiman, L., Friedman, J., Olshen, R. A., Stone, C. J., ...
Michael, J. A., Gordon, S. L, Data mining technique: For ...
T'sou, B., Lai, T., Chan, S., Gao, W., Zhan, X., ...
نمایش کامل مراجع

مقاله فارسی "تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن" توسط فاطمه السادات طباطبائی عینکی، دانشگاه قم -گروه فناوری اطلاعات؛ بهروز مینایی بیدگلی، دانشگاه علم و صنعت ایران - دانشکده مهندسی کامپیوتر؛ فریبا مینایی بید گلی، دانشگاه علوم پزشکی کاشان- دانشکده پزشکی نوشته شده و در سال 1390 پس از تایید کمیته علمی اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله داده کاوی ، رده بندی ، تشخیص سرطان سینه هستند. این مقاله در تاریخ 8 بهمن 1390 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1150 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که اغلب الگوریتم های رده بندی فرض می کنند که توزیع رده ها یکسان است و در صورتی که توزیع رده ها نامتوازن باشد این الگوریتم ها در تشخیص خود دچار مشکل می شوند و رده ی اقلیت که تعداد داده های آن بسیار کم است اغلب نادیده انگاشته می شود . نمونه ای از این مسائل نامتوازن تشخیص افراد سرطانی ... . این مقاله در دسته بندی موضوعی سرطان و داده کاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص سرطان سینه با استفاده از روشی جدید برای یادگیری در داده های چند رده ای و نامتوازن با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.