دانش رسان |
مرکز علم و دانش کشور تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM) دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM) 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 تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM) :
تعداد صفحات :۱۸
چکیده مقاله:
هپاتیت بیماری است که در اثر ویروس های مختلفی ایجاد می شود. که منجر به تورم و گاهی از بینرفتن کبد می شوند. به منظورتشخیص درست وبا ضریب اطمینان بالا ویژگی های تاثیر گذار بر روی اینبیماری باید به دقت شناخته شوند. در این مقاله قصد داریم مدلی ترکیبی از داده کاوی ارائه دهیم تا ضمنتعیین ویژگی های مهم بیماری هپاتیت ،بالاترین دقت در پیش بینی قابلیت زندگی افراد مبتلا به هپاتیت راارائه دهد. ابتدا داده های مفقود هپاتیت با اعمال یک روش پر می شوند. ویژگی ها با روش باینری انتخابشده در ادامه داده ها با الگوریتم فرا اکتشافی فاخته بهینه می شود. در نهایت ویژگی های انتخاب شده بهماشین بردارحمایت حداقل مربعات برای پیش بینی داده می شود. accuracy حاصل از نتایج پیاده سازی مدلترکیبی ارائه شده، با استفاده از مجموعه داده های هپاتیت ازپایگاه داده UCI؛ ۹۹/۱۸ درصد به دست آمده ،است. نتایج مطلوبی را در مقایسه با مجموعه داده اصلی ایجاد کرده است .که بالا ترین صحت و کارایی بدستآمده در مطالعات انجام شده تا کنون می باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
