بخشی از متن:
چكيده:
دراين مطالعه تشخيص بيماري هپاتيت كه يكي از بيمارهاي شايع و مهم ساست، با استفاده از از روش يادگيري ماشيني انجام شده است. ما يك روش يادگيري ماشيني نويني را كه تركيبي از ماشين بردار پشتيبان (SVM) و بازپخت شبيهسازي شده (SA) است را ارائه نموديم. بازپخت شبيهسازي شده يك روش تصادفي است كه امروزه به طور گسترده اي براي مسائل بهينهسازي دشوار، به كار ميرود همچنين ماشين برداري پشتيبان در سالهاي اخير به عنوان يكي از متدهاي پيشبيني كه داراي مزيتهاي منحصربهفرد زيادي است و نتايج موفقيت آميزي نيز داشته است، شناخته مي شود. مت مجموعه دادههاي مورد استفاده در مطالعه خود را از مجموعه داده هاي آموزشي ماشين UCI برداشتيم. اعتبار سنجي كلاسبندي با ميزان دقت متقابل 10- فول به دست آمد. دقت طبقهبندي به دست آمده 96.25 % بود كه در مقايسه با ساير روشهاي كلاسبندي در مقالات ديگر، بسيار اميدوار كننده ميباشد.
فهرست مطالب:
1. مقدمه
2. تحقيقات مرتبط
3. مجموعه دادههاي هپاتيت
4. بازپخت شبيهسازي شده بر اساس SVM
4.1. پردازش داده ها
4.2 . مقياس بندي
4.3. جستجوي بازپخت شبيهسازي شده
4.4. ساخت مدل
5. نتايج تجربي
5.1. معيارهاي ارزيابي عملكرد
5.2. بهبود كارايي جستجوي پارامترها با روش SA
5.3. مطالعه شبيهسازي شده
6. بحث و نتيجهگيري
فهرست آزمايشات تغیرات ولتاژ خروجی توسط تنظیم پتانسیومتردورانی وپتانسیو متر خطی پتانسیومتر خطی مدار پل وتستون اندازه گیری بار وارده توسط نیروسنج تیری ....