```
پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > علوم ریاضی > مقطع کارشناسی ارشد > سال 1405
پدیدآورندگان:
علاء فتاح ابراهیم [پدیدآور اصلی]، سمیه مغاری[استاد راهنما]
چکیده: چکیده هدف پژوهش حاضر، ارائه یک مدل یادگیری گروهی فازی برای بهبود دقت طبقه‌بندی داده‌های پزشکی و کاهش اثر عدم‌توازن، عدم‌قطعیت و هم‌پوشانی کلاس‌ها در مسائل تشخیصی بود. همچنین این پژوهش با هدف مقایسه عملکرد مدل پیشنهادی با چند روش مبنا و ارزیابی کارایی آن در چند مجموعه‌داده پزشکی استاندارد انجام شد. در این پژوهش، چهار مجموعه‌داده پزشکی شامل Cleveland Heart Disease، Breast Cancer Wisconsin Diagnostic، PIMA Indians Diabetes و Chronic Kidney Disease به‌عنوان بستر ارزیابی انتخاب شدند. در گام نخست، داده‌ها از نظر مقادیر مفقود، نرمال‌سازی و متوازن‌سازی کلاس‌ها با رویکردهای پیش‌پردازشی و Fuzzy-SMOTE آماده‌سازی شدند و سپس فرایند انتخاب ویژگی با تکیه بر روش‌هایی مانند ReliefF و Fuzzy PSO انجام گرفت. در ادامه، مدل یادگیری گروهی فازی پیشنهادی طراحی و عملکرد آن در کنار طبقه‌بندهای پایه شامل FSVM، جنگل تصادفی فازی و شبکه عصبی عمیق فازی با استفاده از شاخص‌های ارزیابی تحلیل شد. یافته‌های پژوهش نشان داد که مدل پیشنهادی در مقایسه با روش‌های مبنا، بهترین عملکرد کلی را به دست آورده است. مقدار دقت برای مدل پیشنهادی برابر با 94.62% گزارش شد، در حالی که این مقدار برای FSVM برابر با 90.84%، برای جنگل تصادفی فازی برابر با 92.17% و برای شبکه عصبی عمیق فازی برابر با 91.65% بود. بر این اساس، مدل پیشنهادی نسبت به FSVM معادل 3.78 واحد درصد، نسبت به جنگل تصادفی فازی معادل 2.45 واحد درصد و نسبت به شبکه عصبی عمیق فازی معادل 2.97 واحد درصد بهبود نشان داد. همچنین میانگین دقت روش‌های پایه برابر با 91.55% بود که بیانگر برتری 3.07 واحد درصدی مدل پیشنهادی نسبت به متوسط عملکرد مدل‌های مبنا است. افزون بر این، نتایج توصیفی و تحلیلی نشان داد که ترکیب پیش‌پردازش، متوازن‌سازی، انتخاب ویژگی و تجمیع فازی طبقه‌بندها موجب افزایش پایداری مدل در مواجهه با ناهمگنی و پیچیدگی داده‌های پزشکی شده است. مدل یادگیری گروهی فازی پیشنهادی، رویکردی مؤثر و قابل اتکا برای طبقه‌بندی داده‌های پزشکی است. این مدل نه‌تنها از نظر دقت عملکردی از روش‌های مبنا برتر بوده، بلکه به دلیل بهره‌گیری از منطق فازی، از قابلیت تفسیرپذیری بیشتری در شرایط همراه با عدم‌قطعیت برخوردار است.
کلید واژه ها (نمایه ها):
#یادگیری گروهی فازی #طبقه‌بندی داده‌های پزشکی #منطق فازی #داده‌کاوی پزشکی #سیستم پشتیبان تصمیم‌گیری پزشکی.
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:
پایان نامه های مرتبط (بر اساس کلیدواژه ها)