بررسی ماشین بردارپشتیبان ویولت برای طبقه بندی مجموعه داده دیابت
محل انتشار: پانزدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,549
فایل این مقاله در 6 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:
ICBME15_010
تاریخ نمایه سازی: 26 آبان 1391
چکیده مقاله:
ماشین بردار پشتیبان (SVM) از مهمترین روش های یادگیری ماشینی با قدرت تعمیم دهی بالا می باشد. ماشینهای بردارپشتیبان بطور وسیع در کاربرد های مختلف رگرسیون و طبقه بندی داده ها با موفقیت بکار رفته اند. در سالهای اخیر یک هسته قابل قبول برای SVM (هسته ویولت) معرفی شده و ماشین بردار پشتیبان ویولت (WSVM) ایجاد شده است. با آنکه در چندین تحقیق ارزشمندی و اعتبار ماشین بردار پشتیبان ویولت در رگرسیون نشان داده شده، کمتر به ارزیابی WSVM بعنوان طبقه بند پرداخته شده است. در این تحقیق کارایی ماشینهای بردار پشتیبان ویولت، با چندین ویولت مادر مختلف در طبقه بندی مجموعه داده کلینیکی دیابت بررسی شده است. برای مقایسه، طبقه بندی توسط طبقه بندهای مهم دیگر شامل آنالیز تمایز خطی (K,(LDA نزدیکترین همساینه (KNN) و SVM با هسته های دیگر نیز انجام شده است. نتایج شبیه سازیها مناسب بودن این روش را در طبقه بندی مجموعه داده دیابت نشان می دهد.
کلیدواژه ها:
نویسندگان
مهرنوش دارابی
دانشگاه صنعتی امیرکبیر، دانشکده- مهندسی پزشکی
محمدحسن مرادی
دانشگاه صنعتی امیرکبیر، دانشکده- مهندسی پزشکی
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 :