دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژه‌نامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :7
بازدید روز گذشته :216
بازدید این هفته :283
بازدید این ماه :283
مجموع آمار بازدید ها :827926
بازدید روز گذشته :216
بازدید این هفته :283
بازدید این ماه :283
مجموع آمار بازدید ها :827926
عنوان محصول: خوشه بندی ابرجعبه ای با روش بهینه سازی کلونی مورچه (HACO) و کاربرد آن در تشخیص وضعیت ریسک پزشکی
|
توضیحات مختصر:
روش خوشه بندی HACO (خوشه بندی ابرجعبه ای با بهینه سازی کلونی مورچه) برای طبقه بندی داده های برچسب گذاری نشده با استفاده از ابرجعبه ها و متاهیوریستیک کلونی مورچه پیشنهاد می شود. اطلاعات توپولوژیکی (مربوط به طبقه بندی) داده ها را هنگام جستجو در فضای جستجوی کوچک تایید می کند و نتایج را با دقت بالا در ز...
|
| خوشه بندی ابرجعبه ای با روش بهینه سازی کلونی مورچه (HACO) و کاربرد آن در تشخیص وضعیت ریسک پزشکی |
قیمت : 37000 تومان
تخفیف: 2000 تومان
تخفیف ویژه : 10 درصد
قیمت نهایی: 31300 تومان
595 بازدید
کد مقاله: TTC-
3108
نوع فایل : docx
خرید و دانلود
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
A clustering method, called HACO (Hyperbox clustering with Ant Colony Optimization), is proposed for classifying unlabeled data using hyperboxes and an ant colony meta-heuristic. It acknowledges the topological information (inherently associated to classification) of the data while looking in a small search space, providing results with high precision in a short time. It is validated using artificial 2D data sets and then applied to a real medical data set, automatically extracting medical risk profiles, a laborious operation for doctors. Clustering results show an improvement of 36% in accuracy and 7 times faster processing time when compared to the usual ant colony optimization approach. It can be further extended to hyperbox shape optimization (fine tune accuracy), automatic parameter setting (improve usability), and applied to diagnosis decision support systems.
چکیده
روش خوشه بندی HACO (خوشه بندی ابرجعبه ای با بهینه سازی کلونی مورچه) برای طبقه بندی داده های برچسب گذاری نشده با استفاده از ابرجعبه ها و متاهیوریستیک کلونی مورچه پیشنهاد می شود. اطلاعات توپولوژیکی (مربوط به طبقه بندی) داده ها را هنگام جستجو در فضای جستجوی کوچک تایید می کند و نتایج را با دقت بالا در زمان کوتاه برمی گرداند. با استفاده از مجموعه داده های دوبعدی مصنوعی معتبرسازی می شود و سپس به مجموعه داده پزشکی واقعی اعمال می شود، بطور خودکار وضعیت های ریسک پزشکی را که یک عمل دشوار برای پزشکان است، استخراج می کند. نتایج خوشه بندی، بهبود 36 درصدی در صحت نشان می دهند و در مقایسه با راهکار بهینه سازی کلونی مورچه معمول، زمان پردازش 7 برابر سریعتر دارند که می تواند به بهینه سازی شکل ابرجعبه (صحت تنظیم دقیق)، تنظیم پارامتر خودکار (بهبود قابلیت استفاده) بسط یافته و برای سیستم های پشتیبانی از تصمیم تشخیص بکار گرفته شود.
تعداد صفحات انگلیسی:
تعداد صفحات فـارسـی:
تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.