انتخاب ویژگی بهینه با استفاده از تکامل تفاضلی برای تشخیص موثر سرطان سینه

حمید اصلانی; فرشته سادات حسینی; حسین سلامی; رضا سمیعی

انتخاب ویژگی بهینه با استفاده از تکامل تفاضلی برای تشخیص موثر سرطان سینه

Publish place: دومین همایش ملی کاربرد سیستم های هوشمند (محاسبات نرم) در علوم و صنایع

Publish Year: 1395

نوع سند: مقاله کنفرانسی

زبان: Persian

This Paper With 10 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

علوم پزشکی > سرطان

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/572944

شناسه ملی سند علمی:

AISST02_032

تاریخ نمایه سازی: 6 اردیبهشت 1396

Abstract:

با توسعهی فناوریهای بالینی، ویژگیهای مختلف تومور برای تشخیص سرطان سینه جمع آوری شده است. هدف از این پژوهش، تشخیص سرطان سینه بر اساس انتخاب ویژگیهای تومور است. انتخاب ویژگی در کیفیت طبقهبندیکنندههای برپایهی روشهای داده کاوی حیاتی است. تکامل تفاضلی توجه زیادی را به عنوان یک روش جستجوی قدرتمند به خود جلب کرده است و با موفقیت در انواع برنامههای کاربردی از جمله تشخیص الگو استفاده میشود. یکی از مهم ترین وظایف در بسیاری از سیستم های تشخیص الگو پیداکردن یک زیر مجموعه از ویژگیهای مفید است که میتواند به طور موثر نشان دهنده مسیله باشد. به طور خاص، تعداد زیاد ویژگیها میتواند بر روی دقت و صحت طبقهبندی و زمان یادگیری سیستم تاثیر گذارد. به منظور رفع این مشکلات، ما برای شناسایی زیرمجموعه ویژگیهای مربوط به سرطان سینه از روش انتخاب ویژگی تکامل تفاضلی و چرخ استفاد کردهایم. استفاده از انتخاب ویژگی با هدف کاهش فضای جستجو و بدست آوردن بهترین ویژگیهای سرطان سینه برای بدست آوردن بهترین صحت طبقهبندی صورت میگیرد.

Keywords:

انتخاب ویژگی , تکامل تفاضلی , سرطان سینه , طبقهبندیکننده

Authors

حمید اصلانی

گروه مهندسی کامپیوتر، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد، ایران

فرشته سادات حسینی

گروه مهندسی کامپیوتر، واحد مشهد ، دانشگاه آزاد اسلامی، مشهد، ایران

حسین سلامی

گروه مهندسی کامپیوتر، موسسه آموزش عالی فردوس، مشهد، ایران

رضا سمیعی

گروه مهندسی فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه پیام نور تهران، 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 :

H. Liu, H. Motoda, Less is more, in: H. Liu, ...
H. Liu, E.R. Dougherty, J.G. Dy, K.A. Torkkola, E. Tuv, ...
I. Guyon, S. Gunn, M. Nikravesh, L.A. Zadeh, Feature Extraction: ...
P.M. Narendra, K. Fukunaga, A branch and bound algorithm for ...
R. Kohavi, G.H. John, Wrappers for feature subset selection, Artificial ...
P.A. Deviver, J. Kittler, Pattern Recognition: A Statistical Approach, Prentice- ...
P.J.M. Laarhoven, E.H.L. Aarts, Simulated Annealing: Theory and Applications, Kluwer ...
S.-W. Lin, T.-Y. Tseng, S.-Y. Chou, S.-C. Chen, A S ...
R.L. Haupt, S.E. Haupt, Practical Genetic Algorithms, second ed., John ...
P.L. Lanzi, Fast feature selection with genetic algorithms: a filter ...
F.Z. Brill, D.E. Brown, W.N. Martin, Fast genetic selection of ...
M.L. Raymer, W.F. Punch, E.D. Goodman, L.A. Kuhn, A.K. Jain, ...
Computation 4 (2) (2000) 164-171. ...
I.S. Oh, J.S. Lee, B.R. Moon, Hybrid genetic algorithms for ...
H. Frohlich, O. Chapelle, B. Scholkopf, Feature ...
Intelligence (ICTAI03), 2003, pp. 142-148. ...
H.R. Kanan, K. Faez, GA-based optimal selection of PZMI features ...
J. Lu, T. Zhao, Y. Zhang, Feature selection based-on genetic ...
M. Dorigo, T. Stutzle, Ant Colony Optimization, MIT Press, London, ...
A. Al-Ani, Feature subset selection using ant colony optimization, International ...
M.H. Aghdam, N.G. Aghaee, M.E. Basiri, Text feature selection using ...
H.R. Kanan, K. Faez, An improved feature selection method based ...
J. Kennedy, R.C. Eberhart, Y. Shi, Swarm Intelligence, Morgan Kaufmann ...
H.A. Firpi, E. Goodman, Swarmed feature selection, in: Proceedings of ...
L.Y. Chuang, H.W. Chang, C.J. Tu, C.H. Yang, Improved binary ...
Lavanya, D., & Rani, D. K. U. (2011). Analysis of ...
R. Panda, M.K. Naik, B.K. Panigrahi, Face recognition using bacterial ...
S. Das, S. Maity, B.-Y. Qu, P.N. Suganthan, Real- parameter ...
TT. Nguyen, S. Yang, J. Branke, Evolutionary ...
diagnosis. Expert Systems with Applications, 36, 3240- Computation 1 (2) ...
Polat, K., & Gine s, S. (2007). Breast cancer dynamic ...
Elmore, J. G., Wells, C. K., Lee, C. H., Howard, ...
Zheng, B., Yoon, S. W., & Lam, S. S. (2014). ...
conference on advances in swarm intelligence (pp. 307- H., & ...
Wolberg, W. H., Street, W. N., & Mangasarian, O. _ ...
Pena-Reyes, C. A., & Sipper, M. (1999). A fuzzy- genetic ...
Fayyad, U., Piatetsky- Shapiro, G., & Smyth, P. (1996). From ...
Venkatadri, M., & Lokanatha, C. R. (2011). A review _ ...
Sridevi, T., & Murugan, A. (2014). A Novel Feature Selection ...
Lukka, P. (2011). Feature selection using fuzzy entropy measures with ...
Ashraf, M., Chetty, G., Tran, _ & Sharma, D. (2012, ...
Darzi, M., AsgharLiaei, A., Hosseini, M., & Asghari, H. (2011). ...
Al-Ani, A, Alsukker, A., & Khushaba, R. N. (2013). Feature ...
Akay, M. F. (2009). Support vector machines combined with feature ...
Prasad, Y., Biswas, K., & Jain, C. (2010). Svm classifier ...
I di cula-Thomas, S. Kulkarni, A. J., Kulkarni, B. D., ...
overexpression in escherichia coli. Bioinformatics, 22, 2006, pp. 278-284. ...
Cortes, C, & Vapnik, V., Support-vector networks. Machine Learning, 20, ...
Platt, J. Sequential minimal optimization: A fast algorithm for training ...
Jain, A., & Zongker, D. (1997). Feature selection: Evaluation, application, ...
Siedlecki, W., & Sklansky, J. (1989). A note on genetic ...
Mu, T., & Nandi, A. K. (2008). Breast cancer diagnosis ...
K.V. Price, R.M. Storn, J.A. Lampinen, Differential Evolution: A Practical ...
R. Storn, Differential evolution research - trends and open questions, ...
A.K. Palit, D. Popovic, Computational Intelligence in Time Series Forecasting: ...
V.P. Plagianakos, D.K. Tasoulis, M.N. Vrahatis, A review of major ...
M. Bacauskiene, and A. Verikas, "Selecting salient features for c ...

نمایش کامل مراجع