مقاله #849

A computational intelligence technique for the effective diagnosis ofdiabetic patients using principal component analysis (PCA) andmodified fuzzy SLIQ decision tree approach

9 صفحه

یک تکنیک محاسباتی هوشمند برای تشخیص موثر بیمارهای دیابتی با استفاده از آنالیز اجزای اصلی (PCA) و روش درخت تصمیم گیری SLIQ فازی بهبود یافته

18 صفحه

فایل word ترجمه و pdf انگلیسی

70,000 ريال

چکیده:

سیستم های استنتاجی دانش[1] برای شناسایی الگوهای مخفی و منطقی در داده های بزرگ ساخته شده‌اند. درخت های تصمیم نقش حیاتی‌ای را در کشف دانش ایفا می‌کنند، اما الگوریتم‌های درخت تصمیم کریسپ[2] با مرزهای تصمیم تیز[3] مشکل دارند که احتمالا نمی‌تواند به تمام سیستم های استنتاج دانش بسط داده شود. یک الگوریتم درخت تصمیم فازی بر این مشکل فائق می‌آید. درخت های تصمیم فازی از طریق فازی‌سازیِ مرزهای تصمیم و بدون دخالت مقادیر مشخصه[4] پیاده‌سازی می‌شوند. کاهش داده نیز نقش اساسی ای را در بسیاری از مشکلات طبقه بندی بازی می کند. در این مقاله، یک روش با استفاده از آنالیز اجزای اصلی و الگوریتم درخت تصمیم SLIQ فازی مبتنی بر شاخص Gini بهبود‌یافته، ارائه می شود. PCA برای کاهش ابعاد و بهبود الگوریتم درخت تصمیم SLIQ فازی مبتنی بر شاخص Gini، استفاده شد تا قواعد تصمیم ایجاد شوند. در نهایت، از طریق مجموعه داده PID، این روش توسط شبیه سازی در MATLAB مورد بررسی قرار گرفت.

70,000 ريال