A Metaheuristic Optimization Approach for Parameter Estimation in Arrhythmia Classification from Unbalanced Data
نویسندگان
چکیده
منابع مشابه
A NEW APPROACH FOR PARAMETER ESTIMATION IN FUZZY LOGISTIC REGRESSION
Logistic regression analysis is used to model categorical dependent variable. It is usually used in social sciences and clinical research. Human thoughts and disease diagnosis in clinical research contain vagueness. This situation leads researchers to combine fuzzy set and statistical theories. Fuzzy logistic regression analysis is one of the outcomes of this combination and it is used in situa...
متن کاملa new approach to credibility premium for zero-inflated poisson models for panel data
هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...
15 صفحه اولParameter Meta-optimization of Metaheuristic Optimization Algorithms
Erklärung Hiermit erkläre ich an Eides statt, dass ich die vorliegende Arbeit selbstständig und ohne fremde Hilfe verfasst, andere als die angegebenen Quellen und Hilfsmit-tel nicht benutzt und die aus anderen Quellen entnommenen Stellen als solche gekennzeichnet habe. Abstract 1 Kurzfassung 2 1 Introduction 3 1.
متن کاملA Hybrid Optimization Approach to Parameter Estimation
Many parameter estimation problems in chemical or biochemical engineering lead to ill-conditioned and nonconvex optimization problems. For bad starting values the use gradient based result in local optimal solutions. To overcome this drawback, a global optimization approach, Simulated Annealing, has been coupled with a gradient-based SQP approach. To improve the accuracy of the parameter estima...
متن کاملClassification approach based on association rules mining for unbalanced data
This paper deals with the supervised classification when the response variable is binary and its class distribution is unbalanced. In such situation, it is not possible to build a powerful classifier by using standard methods such as logistic regression, classification tree, discriminant analysis, etc. To overcome this shortcoming of these methods that provide classifiers with low sensibility, ...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Sensors
سال: 2020
ISSN: 1424-8220
DOI: 10.3390/s20113139