light box
امتیاز 2.58 بهره گیری از توابع برازش نوین در برنامه نویسی ژنتیک">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 40
تعداد کلمات : 10000
مجله : Expert Systems with Applications
انتشار : 2019
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:بهره گیری از توابع برازش نوین در برنامه نویسی ژنتیک در دسته بندی نامتعادل اطلاعات سرطان پستان

 چکیده

سرطان پستان از امراض همه گیر بوده و تشخیص به موقع این بیماری برای پیشگیری لازم است. اطلاعات سرطان پستان به صورت غیر متعادل می‌باشند به طوری که تعداد زیاد سرطانهای خوش خیم و بدخیم گزارش شده است. از مدل‌های یادگیری ماشینی برای دسته بندی سرطان‌های خوش خیم و بدخیم استفاده می‌شود. دقت این مدل‌ها بالا است. یکی از سنجه‌های مناسب جهت سنجش یافته‌های مدل یادگیری ماشینی در اطلاعات سرطان، دقت است. جهت حل مسئله از برنامه نویسی ژنتیک بهره می‌بریم و دو تابع ارائه می‌کنیم. تابع اول، تابع نمره f2 است که بر دسته اقلیت تمرکز دارد و شامل داده‌های بهتری می‌باشد. نمونه دوم، نمره فاصله بوده و بر آموزش هر دو دسته با افزایش وزن تاکید دارد. قالب برنامه ریزی ژنتیک پیاده سازی شده در تابع DGP نام دارد و قالب پیاده شده با نمره ۲ F2GP نام دارد. بیشترین دقت ۹۹٫۳۶ درصد،۹۹٫۵۱ درصد و ۱۰۰ درصد در برنامه‌های ۴۰-۶۰، ۳۰-۷۰ و برنامه ارزیابی ۱۰ بخشی حاصل شد. DGP، بیشترین دقت ۹۹٫۶۳ درصد،۹۸٫۵ و ۱۰۰% مشاهده شد. مدل ارائه شده نرخ فراخوانی صد درصد نشان داد. بهره گیری از تابع نوین در دسته بندی اطلاعات نامتعادل باعث بهتر شدن کارکرد طبقه بند می‌شود.

Title: Unbalanced Breast Cancer Data Classification Using Novel Fitness Functions in Genetic Programming

Abstract

 Breast Cancer is a common disease and to prevent it, the disease must be identified at earlier stages. Available breast cancer datasets are unbalanced in nature, i.e. there are more instances of benign (non-cancerous) cases then malignant (cancerous) ones. Therefore, it is a challenging task for most machine learning (ML) models to classify between benign and malignant cases properly, even though they have high accuracy. Accuracy is not a good metric to assess the results of ML models on breast cancer dataset because of biased results. To address this issue, we use Genetic Programming (GP) and propose two fitness functions. First one is F2 score which focuses on learning more about the minority class, which contains more relevant information, the second one is a novel fitness function known as Distance score (D score) which learns about both the classes by giving them equal importance and being unbiased. The GP framework in which we implemented D score is named as D-score GP (DGP) and the framework implemented with F2 score is named as F2GP. The proposed F2GP achieved a maximum accuracy of 99.63%, 99.51% and 100% for 60-40, 70-30 partition schemes and 10 fold cross validation scheme respectively and DGP achieves a maximum accuracy of 99.63%, 98.5% and 100% in 60-40, 70-30 partition schemes and 10 fold cross validation scheme respectively. The proposed models also achieves a recall of 100% for all the test cases. This shows that using a new fitness function for unbalanced data classification improves the performance of a classifier.

    دیدگاهها بسته است.

    محصولات مشابه
    تأثیر تصمیم گیری استراتژیک بر عملکرد سازمانی
    خـریـد محـصـول
    تولید مثل در دوران شیردهی گاوهای شیری: ادغام جنبه های تغذیه ای کنترل
    خـریـد محـصـول
    مدیریت سرمایه در گردش و سن مدیرعامل
    خـریـد محـصـول
    تأثیر حاکمیت شرکتی و ارتباطات سیاسی بر عدم تقارن اطلاعات
    خـریـد محـصـول
    ساختار سرمایه و عملکرد شرکت: شواهدی از آلمان تحت پذیرش IFRS
    خـریـد محـصـول
    قوانین مالی ناکارآمد؟ تأثیر استانداردهای حسابداری بخش عمومی بر بودجه، کارایی و پاسخگویی
    خـریـد محـصـول
    طراحی پنجره دفاتر با تهویه طبیعی در اقلیم مدیترانه از نظر عملکرد CO2 و آسایش حرارتی
    خـریـد محـصـول
    رضایت از زندگی، بهزیستی ذهنی و مهارت های عملکردی در سالمندان
    خـریـد محـصـول
    تأثیر بانکداری الکترونیک بر سودآوری بانک های تجاری در نیجریه (۲۰۱۱-۲۰۱۸)
    خـریـد محـصـول
    حاکمیت شرکتی و مدیریت سود بانک‌های پول سپرده در نیجریه
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا