دانش رسان |
مرکز علم و دانش کشور مقاله استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله استفاده ازترکیب شبکه های عصبی خودسازمانده و الگوریتم k-means به منظورتشخیص بیماری پارکینسون :
تعداد صفحات:۹
چکیده:
بیماری پارکینسون یک بیماری مخرب دستگاه عصبی است که درآن تخریب صوتی جز اولین نشانه های بیماری پارکینسون است باتوجه به اهمیت تشخیص زودهنگام این بیماری نورولوژیکی انالیز تغییرات ایجادشده درسیگنالهای صوتی یکی ازراه کارهای مطرح درزمینه تفکیک بیماران پارکینسونی است دراین مقاله به منظورتشخیص بیماران دچارپارکینسون بااستفاده ازانالیز سیگنالهای صوتی دوراهکارمبتنی برترکیب شبکه های عصبی خودسازمان ده با الگوریتم k-means ارایه شده است درراهکارهای ارایه شده ۱۸ویژگی اکوستیکی سیگنال صوت مربوط به سه بخش اصلی سیستم گفتاری استخراج شده اند و برای هربخش یک الگوریتم s-k استفاده شده است سپس نوعی رای گیری بین نتایج بدست امده ازهرالگوریتم انجام شده است به بیان دیگر تشخیص بیماری یاعدم بیماری با استفاده ازحداکثررای الگوریتم s-k انجام میگیرد داده های انسانی از۲۲فرد۱۱ فردسالم و ۱۱ بیمار استخراج شده اند نتایج نشان داده اند که درصد طبقه بندی بدست امده بوسیله هردوراهکارارایه شده برابر ۶۸ درصد بوده است که شبکههای خودسازمان ده بامیانگین درصد طبقه بندی ۸۱۲۵ عملکردبهتری داشته اند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
