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

توسعه روش یادگیری دسته بند فازی MMFF و بکارگیری آن در داده های پزشکی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۶۵۵ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IDMC01_027
زبان مقاله: فارسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله توسعه روش یادگیری دسته بند فازی MMFF و بکارگیری آن در داده های پزشکی

  سعید جلیلی - دانشگاه تربیت مدرس، دانشکده فنی، آزمایشگاه یادگیری نمادین ماشین
  فاطمه فرجی دانشگر - دانشگاه تربیت مدرس، دانشکده فنی، آزمایشگاه یادگیری نمادین ماشین

چکیده مقاله:

سیستم های خبره مبتنی بر قانون اغلب برای پشتیبانی تصمیم گیری در دامنه های مختلفی مانند تشخیص خطا، زیست شناسی، و پزشکی به کار گرفته می شوند، در بعضی از دامنه ها مانند پزشکی، ترجیح داده میشود از روش های دسته بندی به صورت جعبه سیاه (مانند شبکه عصبی) استفاده نشود تا کاربر قادر بهدرک دانش دسته بندی باشد. دسته بندی های مبتنی بر قانون فازی برای این منظور بسیار مناسب هستند، زیرا آنها حاوی قوانین تفسیر پذیر زبانی ساده ای هستند و بعضی محدودیتهای دسته بندهای قطعی را ندارند.
یکی از کاربردهای داده کاوی در پزشکی ، مسئله تشخیص سرطان است. ما در این مقاله ، یکی از روشهای دسته بندی فازی به نام MMFF را که ازلحاظ سادگی و دقت دسته بندی در میان روش های مشابه، روش مناسبی است، معرفی می نماییم و آن را برای تولید دسته بندی فازی برای تشخیص سرطان سینه روی مجموعه داده Wisconsin Breast cancer به کار می بریم. با توجه به نتایج نسبتا ضعیف روش MMFF ، در تشخیص سرطان، این روش را توسعه دادیم. انجام آزمایشات مختلف نشان می دهد که روش توسعه یافته نه تنها دسته بند فازی دقیق تری تولید می کند، بلکه قوانین فازی تولید شده کوتاه تر و ساده تری تولید می کند. در انتها با مقایسه دسته بند فازی تولید شده به روش MMFF توسعه یافته، با روش های موجود در تشخیص سرطان سینه مشاهده شدکه این روش نسبت به روش MMFF روی داده های سرطان سینه 9/2% در نرخ دسته بندی بهبود داشته است. همچنین روش MMFF توسعه یافته نسبت به بهترینروش بکار رفته در تشخیص سرطان سینه، 1/7% در نرخ دسته بندی بهبود داشته است. علاوه بر بهبود نرخ دسته بندی ، روش MMFF منجر به تولید تعداد قوانین کمتر و ساده تری نسبت به روش MMFF شده است.

کلیدواژه‌ها:

یادگیری ماشین ، قوانین فازی ، دسته بندی فازی ، تشخیص سرطان سینه ، داده های پزشکی

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-IDMC01-IDMC01_027.html
کد COI مقاله: IDMC01_027

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:
جلیلی, سعید و فاطمه فرجی دانشگر، ۱۳۸۶، توسعه روش یادگیری دسته بند فازی MMFF و بکارگیری آن در داده های پزشکی، اولین کنفرانس داده کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر، موسسه پژوهشی داده پردازان گیتا، https://www.civilica.com/Paper-IDMC01-IDMC01_027.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: (جلیلی, سعید و فاطمه فرجی دانشگر، ۱۳۸۶)
برای بار دوم به بعد: (جلیلی و فرجی دانشگر، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۳۲۴۵۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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 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.