خوشه بندی داده های بیماری هپاتیت با استفاده از الگوریتم بهینه سازی علف های هرز
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 744
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0012
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
لزوم استفاده از الگوریتم های یادگیر در پیش بینی و تشخیص بیماری به نحوی که صحت و اعتبار عملکرد آن قابلتضمین باشد، مطالعات و تحقیقات جدید را به سوی دستیابی به راهکارهای بهینه در هر دو زمینه پزشکی و دانش کامپیوتررهنمون کرده است. در این راستا بیوانفورماتیک علمی است که توانسته این همکاری را بین محققان این دو رشته به نحواحسن فراهم آورد. برای خوشه بندی داده های بیماری هپاتیت بایستی به داده های بیماری هپاتیت دسترسی داشت. برروی داده ها ابتدا با استفاده از شاخص مرکزی میانگین عمل پاکسازی داده ها صورت گرفته است سپس بعداز نرمال سازیبه کمک الگوریتم تحلیل تفکیکی فیشر تعداد 6 ویژگی از بین 91 ویژگی انتخاب و مدل پیشنهادی معرفی شده است، کهترکیبی از خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز می باشد و با اعمال آن بر روی پایگاه داده مذکور ومقایسه نتایج خوشه بندی آن با الگوریتم های بهینه سازی هوشمند دیگر نظیر الگوریتم بهینه سازی ازدحام ذرات، الگوریتمبهینه سازی کلونی مورچگان، الگوریتم های K-Medoids و K-Means می توان دریافت که ترکیب خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز نه تنها دقت خوشه بندی را بالا می برد بلکه قدرت تعمیم دهی مدل را نیزافزایش می دهد. نتایج استفاده از خوشه بند K-Means و الگوریتم بهینه سازی علف های هرز حاکی از دقت 100 % درطبقه بندی داده های آزمایشی و 98.9 % در طبقه بندی داده های آموزشی است.
کلیدواژه ها:
خوشه بندی ، هپاتیت ، الگوریتم بهینه سازی علف های هرز ، الگوریتم K-Means ، الگوریتم K-Medoids ، الگوریتم تحلیل ترکیبی فیشر
نویسندگان
راضیه خدارحمی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
محسن روحانی
عضو هیئت علمی، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :