CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Regression Analysis of the Prognostic Breast Cancer using Silvaco

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۷۴۹ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی برق - الکترونیک
سال انتشار: ۱۳۹۲
کد COI مقاله: ICEEE05_029
زبان مقاله: انگلیسی
حجم فایل: ۳۳۸.۴۲ کیلوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۲ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Regression Analysis of the Prognostic Breast Cancer using Silvaco

Roghayeh Pourabbasali - Fakhre Iranian Institude of High Education,Gogan,Iran1
Reza Pourabbasali - Fakhre Iranian Institude of High Education,Gogan,Iran
Samaneh Panahi - Fakhre Iranian Institude of High Education,Gogan,Iran

چکیده مقاله:

Breast cancer is one of the main causes of female fatality all over the world and is the major field of research since quite a long time with lesser improvementthan expected. Many institutions and organizations are working in this field to lead to a possible solution of the problem or to lead to more understandingof the problem. Many previous researches were studied for better understanding of the problem and the work done already to remove redundancy andcontribute to the field, Wisconsin-Madison prognostic Breast cancer (WPBC) data set from the UCI machine learning repository was used for training of 198 individual cases by selecting best features out of 34 predictors. Feature selection model were used with silvaco softeware for feature reduction and for better classification. Different feature selection and new metod with silvaco were used to improve the accuracy of classification. Many improvements in accuracies were found out by using different approaches than the earlier studies conducted in the same field. The Naïve Bayes and Logistic Regression structure showed via 10 fold cross validation analysis improvement accordingly by usingdifferent feature selection and generation structure with these classifiers and gave better result than the best results known for these classification structure.

کلیدواژه‌ها:

structure, Selection, silvaco

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEEE05-ICEEE05_029.html
کد COI مقاله: ICEEE05_029

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Pourabbasali, Roghayeh; Reza Pourabbasali & Samaneh Panahi, ۱۳۹۲, Regression Analysis of the Prognostic Breast Cancer using Silvaco, پنجمین کنفرانس ملی مهندسی برق و الکترونیک ایران, گناباد, دانشگاه آزاد اسلامی واحد گناباد, https://www.civilica.com/Paper-ICEEE05-ICEEE05_029.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Pourabbasali, Roghayeh; Reza Pourabbasali & Samaneh Panahi, ۱۳۹۲)
برای بار دوم به بعد: (Pourabbasali; Pourabbasali & Panahi, ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.