29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
15 °P sammeln
  • Broschiertes Buch

Choroby sercowo-naczyniowe (CVD) pozostaj¿ g¿ówn¿ przyczyn¿ zgonów na cäym ¿wiecie, co podkre¿la potrzeb¿ ich wczesnego wykrywania. Niniejsze badanie przedstawia oparte na uczeniu maszynowym ramy wykrywania CVD przy u¿yciu sygnäów EKG, koncentruj¿c si¿ na ulepszonej selekcji cech. System integruje filtr oparty na szybkiej korelacji (FCBF), minimaln¿ redundancj¿ maksymalnej istotno¿ci (mRMR), odci¿¿enie i optymalizacj¿ roju cz¿stek (PSO) w celu zidentyfikowania najbardziej odpowiednich i nie zb¿dnych cech. FCBF usuwa nadmiarowe dane, mRMR wybiera kluczowe istotne cechy, Relief szereguje cechy…mehr

Produktbeschreibung
Choroby sercowo-naczyniowe (CVD) pozostaj¿ g¿ówn¿ przyczyn¿ zgonów na cäym ¿wiecie, co podkre¿la potrzeb¿ ich wczesnego wykrywania. Niniejsze badanie przedstawia oparte na uczeniu maszynowym ramy wykrywania CVD przy u¿yciu sygnäów EKG, koncentruj¿c si¿ na ulepszonej selekcji cech. System integruje filtr oparty na szybkiej korelacji (FCBF), minimaln¿ redundancj¿ maksymalnej istotno¿ci (mRMR), odci¿¿enie i optymalizacj¿ roju cz¿stek (PSO) w celu zidentyfikowania najbardziej odpowiednich i nie zb¿dnych cech. FCBF usuwa nadmiarowe dane, mRMR wybiera kluczowe istotne cechy, Relief szereguje cechy na podstawie ich mocy rozró¿niania klas, a PSO optymalizuje ostateczny zestaw cech. Klasyfikacja jest przeprowadzana przy u¿yciu klasyfikatorów Extra Trees i Random Forest, znanych z wysokiej dok¿adno¿ci i odporno¿ci na nadmierne dopasowanie. Po¿¿czony model osi¿gn¿¿ 100% wskänik dok¿adno¿ci w ró¿nych zestawach danych, przewy¿szaj¿c istniej¿ce metody i wykazuj¿c doskonä¿ wydajno¿¿ w wyborze cech i klasyfikacji. Ta struktura ma du¿y potencjä, aby poprawi¿ wczesn¿ diagnoz¿ CVD i usprawni¿ podejmowanie decyzji klinicznych.
Autorenporträt
Dr Mary Swarna Latha Gade uzyskäa tytu¿ doktora w Koneru Lakshmaiah Education Foundation, Vijayawada w 2023 roku. Uzyskäa tytu¿ MTech z JNTU Hyderabad i B. Tech z JNTU Kakinada. Ma 15-letnie do¿wiadczenie w nauczaniu i badaniach. Jej obszary zainteresowä to odporno¿¿ na b¿¿dy, przetwarzanie obrazu, uczenie maszynowe, obliczenia kwantowe.