استفاده از یک چارچوب تئوری بازیها بر پایه الگوریتم PSO برای انتخاب ویژگیها و داده های آموزشی بهینه برای افزایش دقت تشخیص بیماری پارکینسون
محل انتشار: چهارمین کنفرانس بین المللی علوم و مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 598
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICESCON04_167
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
پارکینسون نوعی بیماری عصبی است که سبب میشود شخص، برای کنترل اعضای بدن خود با مشکل مواجه شود. راههای متفاوتی برای تشخیص خودکار این بیماری ارائه شده است، اما میزان خطای روشهای گذشته بالاست. یکی از مهمترین عوامل افزایش تشخیص بیماری پارکینسون استفاده از ویژگی های مناسب برای تمایز افراد بیمار و سالم و استفاده از دادههای آموزشی مناسب برای آموزش مدل مورد نظر است. در این مقاله یک روش نو و جدید برای انتخاب ویژگیهای بهینه و داده های آموزشی بهینه بر اساس تئوری بازیها انتخاب شده ارائه شده است. که با قسیم بندی مسئله به فضای کوچکتر سبب میشود الگوریتمهای تکاملی مانند PSO بتوانند ویژگیهای بهینه و دادههای آموزشی بهینه را طوری انتخاب کنند که به بهینه راسری بسیار نزدیک است. طبق نتایج بدست آمده روش پیشنهادی به خوبی توانسته ویژگی ها و داده های بهینه را طوری انتخاب کند که دقت تشخیص بیماری به 98.6 درصد رسیده است.
کلیدواژه ها:
نظریه بازیها ، نقطه تعادل نش ، انتخاب ویژگیهای بهینه ، انتخاب دادههای آموزشی بهینه ، تشخیص بیماری پارکینسون
نویسندگان
زهره واحدی
کارشناس ارشدنرم افزار ، دانشگاه آزاد اسلامی واحد فردوس، فردوس، ایران
حمید رضا غفاری
عضو هیئت علمی ، دانشگاه آزاد اسلامی واحد فردوس، فردوس، 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 :