25,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
13 °P sammeln
Andere Kunden interessierten sich auch für
![Selecção Sintomas importantes para conjuntos de dados médicos]( "Selecção Sintomas importantes para conjuntos de dados médicos")
Selecção Sintomas importantes para conjuntos de dados médicos25,99 €![Auswahl wichtiger Symptome für medizinische Datensätze]( "Auswahl wichtiger Symptome für medizinische Datensätze")
Auswahl wichtiger Symptome für medizinische Datensätze35,90 €![Selezione di sintomi importanti per i set di dati medici]( "Selezione di sintomi importanti per i set di dati medici")
Selezione di sintomi importanti per i set di dati medici25,99 €![Vybor wazhnyh simptomow dlq medicinskih naborow dannyh]( "Vybor wazhnyh simptomow dlq medicinskih naborow dannyh")
Vybor wazhnyh simptomow dlq medicinskih naborow dannyh14,99 €![Système de détection automatique des maladies médicales utilisant l'exploration de données]( "Système de détection automatique des maladies médicales utilisant l'exploration de données")
Système de détection automatique des maladies médicales utilisant l'exploration de données28,99 €![Selection Important Symptoms for Medical Datasets]( "Selection Important Symptoms for Medical Datasets")
Selection Important Symptoms for Medical Datasets25,99 €![Tests de logiciels]( "Tests de logiciels")
Tests de logiciels28,99 €
La sélection de caractéristiques optimales est un domaine de recherche important dans les systèmes d'exploration de données médicales. Dans cette recherche, nous introduisons une procédure efficace - sélection de sous-ensembles de caractéristiques, classement des caractéristiques et classification, appelée analyse en composantes principales basée sur la méthode JK pour l'amélioration de la précision de détection et la sélection de sous-ensembles de caractéristiques optimaux. La méthode proposée ajuste un paramètre appelé "couverture de variance" et construit le modèle avec la valeur à laquelle la précision de classification maximale est obtenue. Cela facilite la sélection d'un ensemble compact de caractéristiques supérieures, remarquablement à un coût très faible. La comparaison expérimentale approfondie de la méthode proposée et d'autres méthodes utilisant trois classificateurs différents (Naïve Bayes (NB), perceptron multicouche (MLP) et arbre de décision J48) et 6 ensembles de données médicales différents peut confirmer que la stratégie proposée (PCA-JK) donne des résultats prometteurs sur la sélection des caractéristiques et la précision de la classification pour le domaine de recherche de l'exploration de données médicales.