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.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.