استخراج دانش از ماشین بردار پشتیبان برای درمان نفریت لوپوسی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیخ بهایی - دانشکده مهندسی کامپیوتر
- author رسول بصیرت
- adviser ناصر قاسم آقایی شهرزاد شهیدی
- Number of pages: First 15 pages
- publication year 1393
abstract
کسب دانش از داده های مربوط به بیماران نفریت لوپوسی می تواند کمک زیادی به ایجاد یک طرح درمانی مناسب باشد. درسه دهه اخیر،تکنیک های داده کاوی دراستخراج دانش والگوهای مخفی موجوددرپایگاه داده ها به طور قابل توجهی موفقبوده اند. ماشین بردار پشتیبان یکی از موفق ترین تکنیک های داده کاوی دراین زمینه به شمارمی رود که درکاربردهای متنوعی به کار گرفته شده است. باوجود برتری کارآیی درماشین بردار پشتیبان،یک عیب بزرگ دراین تکنیک وجودداردوروشی که این تکنیک برای یادگیری الگوهااز داده ها به کار می برد برای کاربر قابل درک نیست درنتیجه این تکنیک یک توضیح قابل درک برای دانش های یاد گرفته شده فراهم نمی کند. این مشکل باعث شده است در برخی از کاربردهای عملی به خصوص درحوزه هایی مثل تشخیص و پیش بینی پزشکی از این روش استفاده نشود. استخراج قواعد از ماشین بردار پشتیبان، ایده به دست آوردن قواعد ازمدل به جای استخراج مستقیم آن هاازداده هااست. بنابراین ازاین طریق یک توضیح از الگوهای یاد گرفته شده و تعبیه شده درساختارماشین بردار پشتیبان آشکار شده و به کاربران در یک شکل قابل درک ارائه می شود. در این پایان نامه یک روش پیشنهادی برای استخراج قواعد فازی از ماشین بردار پشتیبان برای کمک به درمان بیماری نفریت لوپوسی ارائه می شود. در روش پیشنهادی ابتدا ویژگی های تأثیرگذار با معیار نفع اطلاعات از مجموعه داده بیماران انتخاب می شوند. پس از این ماشین بردار پشتیبان آموزش می بیند و استخراج قواعد از بردارهای پشتیبان صورت می گیرد. در مرحله بعد قواعد به دست آمده به قواعد فازی تبدیل می شوند که این مرحله با استفاده از الگوریتم رقابت استعماری انجام می شود تا مجموعه های فازی به دقت تنظیم شوند. ارزیابی روش پیشنهادی روی مجموعه داده بیماران نفریت لوپوسی که در طی این پژوهش جمع آوری شده است و مجموعه داده گل زنبق که یک مجموعه داده استاندارد برای ارزیابی است، انجام می شود. معیار ارزیابی نرخ خطای دسته بندی توسط قواعد فازی تولیدشده است. مقایسه روش پیشنهادی با سه روش دسته بندی دیگر و بر اساس پارامترهای متفاوت ماشین بردار پشتیبان نشان دهنده برتری روش پیشنهادی در دسته بندی داده ها می باشد.
similar resources
استفاده از روش ترکیبی موجک-ماشین بردار پشتیبان برای پیشبینی وقوع امواج غیرعادی
امواج غیرعادی یا سهمگین به امواجی گفته میشود که با ارتفاع خیلی زیاد، ولی بطور ناگهانی و غیر قابل پیشبینی و به ندرت رخ میدهند. عوامل مختلفی مثل طوفانهای شدید، توپوگرافی خاص بستر، تلاقی جریانهای کرانهای و امواج و برهمکنش امواج با طول موجها و فرکانسهای مختلف با یکدیگر، ممکن است سبب بروز آنها شوند. اما همه اینها هنوز در حد فرضیه هستند. هدف از این تحقیق ارائه یک روش ترکیبی برای پیشبینی وق...
full textمقایسه روشهای طبقهبندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربریهای اراضی از تصاویر ماهوارهای لندست TM
Land use classification and mapping mostly use remotely sensed data. During the past decades, several advanced classification methods such as neural network and support vector machine (SVM) have been developed. In the present study, Landsat TM images with 30m spatial resolution were used to classify land uses through two classification methods including support vector machine and neural network...
full textنتایج درمان نفریت لوپوسی پرولیفراتیو مقاوم به درمان با سیکلوسپورین A
Background & Aims: Systemic lupus erythematosus (SLE) is a chronic autoimmune disease characterized by various autoantibodies formation and immune complex deposition in various organs. Lupus nephritis is a common and severe manifestation of SLE that can lead to end stage renal disease and death. The aim of this study was to evaluate the long-term efficacy of cyclosporine A in the treat...
full textتوانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی
درماندگی مالی پیش از ورشکستگی مالی رخ میدهد و پیش بینی موثر آن یک مسئلهی مهم و چالش برانگیز برای شرکتها میباشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد میپردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آنها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...
full textارائهی روشی پویا برای پیشبینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان
با توجه به آثار سوء آلودگی هوا بر سلامت انسانها و محیط، پیشبینی و مدلسازی این پدیده از جمله مسائل مهم در چند دههی گذشته بوده است. دینامیک غیرخطی و حجم بالای دادههای آلودگی هوا، مشکلات پیشبینی این پدیدهی پیچیده را، بویژه در پردازشهای پویا، دوچندان کرده است. هدف این پژوهش، ارائهی الگوریتمی برخط است که بتواند با حل مشکلات روشهای پیشین در پیشبینی برخط آلودگی هوا، سری زمانی آلودگی هوای شه...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شیخ بهایی - دانشکده مهندسی کامپیوتر
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023