سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 885

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CITCONF02_439

Index date: 8 May 2016

انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون abstract

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.

انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون Keywords:

انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون authors

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 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 :
Singh, N., Pillay, V., & Choonara, Y. E. (207). Advances ...
Ho, A. K., Iansek, R., Marigliani, C., Bradshaw, J. L., ...
Little, M. A., McSharry, P. E., Hunter, E. J., Spielman, ...
Rahn, D. A., Chou, M., Jiang, J. J., & Zhang, ...
Shahbaba, B., & Neal, R. (2009). Nonlinear models using Dirichlet ...
Das, R. (2010). _ comparison of multiple classificatiom methods for ...
Sakar, C. O., & Kursun, O. (2010). Telediagnosis of Parkinsons ...
Psorakis, I., Damoulas, T., & Girolami, M. _ (2010). Multiclass ...
Guo, P. F., Bhattacharya, P., & Kharma, N. (2010). Advances ...
Luukka, P. (2011). Feature selection using fuzzy entropy measures with ...
Li, D. C., Liu, C. W., & Hu, S. C. ...
Ozcift, A., & Gulten, A. (2011). Classifier ensemble construction with ...
Spadoto, A. A., Guido, R. C., Carnevali, F. L., Pagnin, ...
Hui-Ling Chen a, Chang-Cheng Huang a, Xin-Gang Yu b, Xin ...
Yoneyama, M. : Kurihara, Y. : Watanabe, K. : Mitoma, ...
Yoneyama, M. : Kurihara, Y. : Watanabe, K. : Mitoma, ...
UCI machine learning repository. (http ://archive. ics.uci. edu/ml/data S ets/Parkinsons) ...
نمایش کامل مراجع

مقاله فارسی "انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون" توسط 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 نوشته شده و در سال 1393 پس از تایید کمیته علمی دومین همایش ملی پژوهش های کاربردی در علوم کامپیوتر و فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشخیص بیماری پارکینسون، دسته بندی بردار پشتیبان، الگوریتم ژنتیک،دسته بندی SVM هستند. این مقاله در تاریخ 19 اردیبهشت 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 885 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله انتخاب داده های آموزشی بهینه با استفاده از الگوریتم ژنتیک برای تشخیص بیماری پارکینسون با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.