انتخاب نمونه، انتخاب ویژگی 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
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 611
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF02_559
تاریخ نمایه سازی: 19 اردیبهشت 1395
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 صحیح نمونه ها، ویژگی ها و پارامترهای این طبقه بندی در نتیجه تشخیص تا حد زیادی تأثیر می گذارد. همچنین، کاهش ابعاد ویژگی ها و نمونه ها از منظر فضای لازم برای ذخیره و زمان مورد نیاز جهت اجرای الگوریتم ها یک طبقه بندی نیز حائز اهمیت می باشد. 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.
Keywords:
الگوریتم جستجوی گرانشی باینری , انتخاب نمونه , انتخاب ویژگی , بهینه سازی پارامترهای طبقه بندی ماشین بردار پیشتیبان , 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 :