شبیه سازی آموزشی مقاله روش ترکیبی با مجموعه های فازی و یادگیری ماشین برای طبقه بندی دیتاست بالینی با متلب

توضیحات

شبیه سازی مقاله روش ترکیبی با مجموعه های فازی و یادگیری ماشین برای طبقه بندی دیتاست بالینی با متلب

در این مقاله شبیه سازی شده، تنها بخش فازی شبیه سازی شده پس خروجی شامل نمودار های عضویت فازی است . علاوه بر این نمودار ها هیستوگرام دیتاست فازی شده هم برای اثبات کارکرد قرار داده شده. سایر نمودار های مقاله مربوط به روش یادگیری ماشینی است که پیاده سازی نشده است.

خروجی نمونه:

تابع عضویت فازی و هیستوگرام دیتاست پس از آن برای ویژگی Preg

خروجی نمونه:

تابع عضویت فازی و هیستوگرام دیتاست پس از آن برای ویژگی Age

توضیحات کد:

 فایل Main:

clc;

clear;

close all;

 

fuzzy_obj=FUZZY();

پاک سازی محیط کار و ایجاد یک ساختار از متد فازی.

fuzzy_par.preg.low=[0.9,1,2,4];

fuzzy_par.preg.normal=[3,4,5,7];

ایجاد محدودیت های توابع فازی . در خط بالا ویژگی preg و تابع عضویت normal آن مقدار دهی شده این مقدار ها به ترتیب قرار گیری در ماتریس a-d هستند.

[ddata,lim]=fuzzy_obj.draw(fuzzy_par);

تولید نمودار های توابع عضویت فازی

چکیده مقاله:

تکنیک های داده کاوی نقش مهمی در توسعه سیستم های تشخیص کمک به رایانه و سیستم های متخصص دارند که به پزشک در تصمیم گیری بالینی کمک می کند. در این کار ، یک طبقه بندی که ترکیبی از شایستگی نسبی مجموعه های فازی و دستگاه یادگیری شدید (FELM) برای مجموعه داده های بالینی است ، ارائه شده است. سه زیر سیستم اصلی در چارچوب FELM عبارتند از: پیش پردازش زیر سیستم ، زیر سیستم سیستم فازی و زیر سیستم طبقه بندی. جایگذاری ارزش گمشده و حذف دورتر توسط زیر سیستم پیش پردازش انجام می شود. زیر سیستم سیستم فازی هر یک از ویژگی ها را به یک مجموعه فازی نقشه برداری می کند و زیر سیستم طبقه بندی از ماشین یادگیری شدید برای طبقه بندی استفاده می کند. مجموعه داده های بیماری قلبی کلیولند (CHD) ، Statlog بیماری های قلبی (SHD) و بیماری دیابت پیما هند (PID) از مخزن یادگیری ماشین دانشگاه کالیفرنیا ایروین (UCI) برای آزمایش استفاده شده است. مجموعه داده های CHD و SHD با دو برچسب کلاس آزمایش شده است که یکی نشانگر عدم وجود و دیگری نشانگر وجود بیماری قلبی است. مجموعه داده CHD همچنين با برچسب هاي كلاس هاي مختلف مورد تجربي قرار گرفته است كه يك برچسب كلاس نشانگر عدم وجود بيماري هاي قلبي و چهار برچسب كلاس ديگر است كه نشان دهنده شدت بيماري هاي قلبي است از جمله ريسك كم ، خطر متوسط ​​، پرخطر و جدي. مجموعه داده PID با دو برچسب کلاس آزمایش شده است که یکی نشانگر عدم حضور و دیگری نشانگر وجود دیابت حاملگی است. کلاس طبقه بندی شده برای مجموعه داده های CHD با دو برچسب کلاس به دقت 93.55٪ رسیده است. 7/73 درصد برای مجموعه داده های CHD با برچسب کلاس های مختلف؛ برای مجموعه داده های SHD 94.44٪ و برای داده PID 92.54٪ است.

سفارش پروژه مشابه

درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.

سفارش پروژه متلب