انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 923
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CITCONF02_558
Index date: 8 May 2016
انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع abstract
در این مقاله، الگوریتم جستجوی گرانشی باینری برای انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای ماشین بردار پشتیبان جهت طبقه بندی افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب نمونه، مجموعه اموزشی را کاهش می دهد و اجازه می دهد تا زمان اجرا در طبقه بندی و یا مراحل اموزش طبقه بند کاهش یابد. انتخاب پارامتر های مناسب برای طبقه بند ماشین بردارپشتیبان نیز بر نتیجه تشخیص تا حد زیادی تاثیر می گذارد. بنابر این بهینه سازی این پارامتر ها و انجام انتخاب نمونه برای دستیابی به نتیجه صحیح لازم است. در این تحقیق از داده های EEG افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای SVM به صورت هم زمان و گام به گام پیاده سازی شده است. نتایج نهایی نشان داده اند که انجام این مراحل به صورت هم زمان نسبت به گام به گام به نتایج بهتری از نظر دقت، حساسیت، خصوصیات و زمان اجرا می انجامد.
انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع Keywords:
انتخاب نمونه , بهینه سازی پارامترهای طبقه بندی ماشین بردار پشتیبان , تشخیص بیماری صرع , الگوریتم جستجوی گرانشی باینری
انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع authors
زینب باسره
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه هرمزگان
شهرام گلزاری هرمزی
استادیار گروه مهندسی برق و کامپیوتر، دانشگاه هرمزگان
عباس حریفی
استادیار گروه مهندسی برق و کامپیوتر، دانشگاه هرمزگان
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 :