دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


عنوان محصول: خوشه بندی ابرجعبه ای با روش بهینه سازی کلونی مورچه (HACO) و کاربرد آن در تشخیص وضعیت ریسک پزشکی

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: دوشنبه 17 آبان 1395
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 خوشه بندی ابرجعبه ای با روش بهینه سازی کلونی مورچه (HACO) و کاربرد آن در تشخیص وضعیت ریسک پزشکی


قیمت قیمت : 22000 تومان
تخفیف تخفیف: 2000 تومان
قیمت نهایی قیمت نهایی: 20000 تومان
510 بازدید
کد مقاله: TTC- 1- 110
نوع فایل : docx
Journal: Elsevier

Hyperbox clustering with Ant Colony Optimization (HACO) method and its application to medical risk profile recognition
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.
Keywords: Clustering; Ant colony; Hyperbox; Optimization; Pattern recognition

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.
کلمات کلیدی: خوشه بندی، کلونی مورچه، ابرجعبه، بهینه سازی، تشخیص الگو

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:9 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:26 صفحه

تماس با پشتیبانی فروشگاه ترجمه‌های تخصصی

نام و نام خانوادگی*
پست الکترونیکی*
موضوع پیام*
متن پیام*
اطلاعات تماس با فروشگاه ترجمه‌های تخصصی


فروشگاه ترجمه‌های تخصصی
پست الکترونیک :info@ttsell.ir
پست الکترونیک :mailttsell@gmail.com
شماره تلفن تماس:09355907190
کانال تلگرام : t.me/ttsell

  • آدرس: تبریز، خیابان  خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن  تماس: 09355907190
  • تلفن  ثابت : 35250068-041
  •  Mailttsellاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @ttsell:آدرس تلگرام
فروشگاه ترجمه‌های تخصصی از  سال  1387شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.
Scroll to top