نتائج البحث : يوجد 1

قائمة 1 - 1 من 1
فرز

مقالة
A hybrid Genetic K-Means Algorithm forFeatures Selection to Classify Medical Datasets

المؤلفون: Mohammed Abdullah Naser, --- Zainab Falah Hasan --- Esraa Abdalluh Hussein
ﺎﻠﻤﺠﻟﺓ: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 السنة: 2016 الاصدار: المؤتمر العلمي الرابع لكلية العلوم الصفحات: 139-149
الجامعة: Kerbala University جامعة كربلاء - جامعة كربلاء

Loading...
Loading...
الخلاصة

Relevant features selection is become primary preprocessing step for building almost intelligence machine learning systems. Feature Selection (FS) is more and more important in many applications such as patterns recognition, medical technologies, data mining environments and others. The main objective of FS is to choice the important features among multi set in order to building effective machine learning models such as pattern analysis model by cancelling irrelevant or redundant attributes. An addition to that, there is a fact that the efficiency of the desired system is very sensitive to choose of the features that effect on classification or any analysis procedure of small or high dimensional datasets. Furthermore, the analysis of medical datasets has become growing claiming problem, due to huge datasets that cause time consuming and uses additional computational effort, which may not be suitable for many applications.This work attempts to introduce a hybrid genetic k-means of feature selection algorithm for multi medical diseases datasets. The proposed algorithm uses a genetic algorithm combine with k-means algorithm as a powerful tool to select the relevant features from different large medical datasets of Mirjan hospital diabetes, heart and breast cancer diseases which play the important role in maximum the classification accuracy and efficiency of the system. Experimental results show the efficiency of the proposed system for the used datasets and satisfy maximum classification accuracy performance compared with others states

اصبحت عملية اختيار اهم خصائص البيانات من الخطوات الرئيسية في بناء اغلب انظمة التعلم الالي الذكي. اذ ان استخلاص تلك الصفات مهم جدا في عدة تطبيقات مثل تمييز الانماط، التقنيات الطبية، مجالات تنقيب البيانات وغير ذلك. الهدف الرئيسي من العملية المذكورة هو لاختيار افضل الخصائص من بين عدد منها لبناء نماذج الية كفوءة كنموذج تحليل الانماط من خلال اهمال او استبعاد الخصائص الغير مهمة او المكررة. ايضا فان هناك حقيقة مفادها ان كفاءة تلك الانظمة تتأثر بشكل كبير بنوعية الصفات المختارة والتي بدورها تنعكس على عملية تصنيف او عنقدة او اية عملية تحليل للبيانات الصغيرة او الكبيرة. من جانب اخر فان تحليل البيانات الطبية بات امرا ملحا وضروريا نتيجة النمو الهائل لهذا النوع من البيانات ، الامر الذي يسَبب هدرا كبيرا للوقت ويفضي الى جهد حسابي مضاعف ،وهذا مما لايناسب عدة تطبيقات.العمل الحالي هو محاولة لتقديم خوارزمية هجينة تعتمد الخوارزمية الجينية وخوارزمية الكيمينز (k-means) لعدد من البيانات الطبية.الخوارزمية المقترحة تستخدم الخوارزمية الجينية مع خوارزمية الكيمينز كأحد الوسائل الكفوءة في اختيار الخصائص المهمة و لعدد من البيانات الطبية مثل بيانات مرض السكري لمستشفى مرجان الطبية، وبيانات القلب وسرطان الثدي ، لما تلعبه من دور اساسي في زيادة دقة وكفاءة النظام المقترح .النتائج التجريبية اثبتت كفاءة النظام المقترح على البيانات المستخدمة ،كما وحققت دقة عالية بالمقارنة مع غيرها من الاجراءات.

الكلمات المفتاحية

قائمة 1 - 1 من 1
فرز
تضييق نطاق البحث

نوع المصادر

مقالة (1)


اللغة

English (1)


السنة
من الى Submit

2016 (1)