توضیحات
شبیه سازی تشخیص سرطان سینه با متلب
داده ضمیمه شده شامل 32 ویژگی است که ویژگی اول شماره شناسه، ویژگی دوم وضعیت تومور (2 برای خوشخیم و 4 برای بدخیم) و سایر ویژگی ها مقادیر عددی به این شکل هستند: برای 10 دسته ی شعاع( میانگین فاصله نقاط روی محیط از مرکز)، بافت( انحراف معیار مقادی مقیاس خاکستری)، محیط، مساحت، همواری( تغییرات محلی در طول شعاع)، فشردگی (1-)، تقعر( شدت بخشهای مقعر کانتور)، نقاط مقعر( تعداد بخشهای مقعر کانتور)، تقارن و بعد فراکتالی، سه شاخص میانگین، خطای استاندارد و بزرگین مقدار(میانگین 3تا از بزرگترین مقادیر) اندازهگیری میشود و به این ترتیب 30 ویژگی با مقادیر عددی حقیقی برای هر نمونه به دست میآید.
با استفاده از الگوریتم kmean بهینه k پیدا میشود.
سپس برای شناسایی الگوی هر خوشه از الگوریتم pso استفاده میشود.
با استفاده از ماشین بردار پشتیبان svm، عمل دسته بندی را انجام می دهیم.
هدف از این الگوریتم این است که تشخیص دهیم یک تومور جدید خوش خیم است یا بدخیم.
بنابراین به طور خلاصه گام های الگوریتم به شرح زیر هستند:
- نرمال سازی داده ها
- خوشه بندی داده های خوش خیم و بدخیم به طور جداگانه(انتخاب ویژگی و تشخیص الگو)
- بهبود خوشه بندی
- محاسبه درجه عضویت ها با توجه به تابع فازی ذکر شده و در نظر گرفتن این درجات به عنوان feature جدید(استخراج ویژگی)
- دسته بندی دیتاست جدید با استفاده از svm
شبیه سازی تشخیص سرطان سینه با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
سفارش پروژه مشابه
درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.