|
Paper Title |
Authors |
Conference |
Abstract |
|
|
ارائه‌ی یک دسته‌بند داده با استفاده از ترکیب دسته‌بندی‌کننده‌ی ملهم از سیستم ایمنی مصنوعی و Fuzzy-knn |
الهام مفیدی روچی
امیر مسعود افتخاری مقدم
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
یکی از مسایل اساسی و مهم در داده‌کاوی، ایجاد یک مدل کارآمد با حداکثر دقت، برای دسته‌بندی داده می‌باشد. در این مقاله، یک دسته‌بند دومرحله‌ای که از ترکیب دسته‌بندی‌کننده‌ی ملهم ... more
یکی از مسایل اساسی و مهم در داده‌کاوی، ایجاد یک مدل کارآمد با حداکثر دقت، برای دسته‌بندی داده می‌باشد. در این مقاله، یک دسته‌بند دومرحله‌ای که از ترکیب دسته‌بندی‌کننده‌ی ملهم از سیستم‌ایمنی‌مصنوعی و الگوریتم Fuzzy-knn تشکیل شده، معرفی گردیده است. در مرحله‌ی اول، دسته‌بندی‌کننده، برمبنای شبکه‌ی ایمنی‌مصنوعی و انتخاب کلونی عمل می‌کند و مجموعه‌ای بهینه از داده‌های آموزشی را به عنوان دسته‌بندی‌کننده ارائه می‌دهد و در مرحله‌ی دوم، با استفاده از الگوریتم Fuzzy-knn ، داده‌های تست دسته‌بندی می‌شوند. در مرحله‌ی اول، از شیوه "وزن‌دهی فازی" (Fuzzy weighting) استفاده می‌شود و همچنین برای محاسبه‌ی میل ترکیبی از معیار
(Heterogeneous Euclidian overlap metric) HEOM فازی استفاده می‌شود. برای بررسی کارایی مدل پیشنهادی از پنج مجموعه داده از UCI که برای کاربردهای دسته‌بندی مورد استفاده قرار می‌گیرند، استفاده شده است که عبارتند از Australian Credit و German Credit و Pima Indians Diabetes و Ionosphere و iris. برای ارزیابی کارایی دسته‌بندی‌کننده، از شیوه 10-fold cross-validation استفاده شده است. نتایج بدست آمده، نشان می‌دهد که پس از اعمال HEOM فازی و fuzzy-knn، مدل پیشنهادی نتایج قابل قبولی را ارائه می‌دهد. less
یکی از مسایل اساسی و مهم در داده‌کاوی، ایجاد یک مدل کارآمد با حداکثر دقت، برای دسته‌بندی داده می‌باشد. در این مقاله، یک دسته‌بند دومرحله‌ای که از ترکیب دسته‌بندی‌کننده‌ی ملهم ... more |
خرید مقاله
|
|
پیش‌بینی عملکرد پروتئین‌ها با استفاده از الگوریتم درخت تصمیم با فرض ناسازگار بودن کلاس‌های عملکردی نمونه‌ها |
فهیمه گلزاری
سعید جلیلی
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
پیش‌بینی عملکرد پروتئین‌ها (PFP) یکی از مسائل محاسباتی پیچیده به حساب می‌آید که در آن، هر پروتئین می‌تواند همزمان به بیش از یک کلاس عملکردی تعلق داشته باشد، همچنین، کلاس‌ها ... more
پیش‌بینی عملکرد پروتئین‌ها (PFP) یکی از مسائل محاسباتی پیچیده به حساب می‌آید که در آن، هر پروتئین می‌تواند همزمان به بیش از یک کلاس عملکردی تعلق داشته باشد، همچنین، کلاس‌ها در یک ساختار سلسله‌مراتبی به فرم درخت یا گراف جهت‌دار بدون دور سازماندهی می‌شوند. بنابراین، الگوریتم‌های مورد استفاده برای حل این مسأله، باید قادر به شناسایی همه‌ی کلاس‌های عملکردی یک پروتئین باشند و از طرفی سازگاری بین کلاس‌های عملکردی را حفظ کنند. بسیاری از الگوریتم‌های پیشنهادی، به منظور حفظ سازگاری کلاس‌های پیش‌بینی شده، به سادگی طی یک مرحله پیش‌پردازش، ناسازگاری‌های موجود بین کلاس‌های نمونه‌های آموزشی را رفع کرده و با فرض سازگار بودن مجموعه‌داده آموزشی، سازگاری کلاس‌های پیش‌بینی شده را تضمین می‌کنند. این راه‌حل، احتمال انتشار خطا را افزایش می‌دهد. این مقاله برای حل مسأله PFP، یک راه‌حل دو لایه‌ای ترکیبی را پیشنهاد می‌کند که با فرض ناسازگار بودن کلاس‌های عملکردی نمونه‌های آموزشی، سعی در پیش‌بینی کلاس‌های عملکردی سازگار برای یک نمونه جدید دارد. نتایج ارزیابی الگوریتم بر روی دو مجموعه‌داده چند برچسبی و سلسله‌مراتبی CellCycle و Derisi که با استفاده از اطلاعات داده‌های بیان ژن، عملکرد پروتئین‌ها را در دو نسخه FunCat و GO بیان می‌کنند، برتری روش پیشنهادی را نسبت به روشهای موجود، به وضوح نشان می‌دهد. less
پیش‌بینی عملکرد پروتئین‌ها (PFP) یکی از مسائل محاسباتی پیچیده به حساب می‌آید که در آن، هر پروتئین می‌تواند همزمان به بیش از یک کلاس عملکردی تعلق داشته باشد، همچنین، کلاس‌ها ... more |
خرید مقاله
|
|
یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم جستجوي هارمونی باینري براي دسته‌بندي کننده بیز ساده |
زهرا عصارزاده
پیمان ادیبی
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
دسته بندی‌کننده بیزساده یکی از روشهای دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این ... more
دسته بندی‌کننده بیزساده یکی از روشهای دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این دسته بندی‌کننده که استقلال مشروط بر دسته ویژگی‌ها می‌باشد، اغلب در مسائل کاربردی مطرح در دنیای واقعی نقض و منجر به کاهش کارایی دسته بندی‌کننده می‌شود. دراین مقاله یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم جستجوی هارمونی باینری که از روشهای فرا اکتشافی نوظهور می باشد برای غلبه بر این مشکل و بهبود عملکرد این دسته بندی کننده پیشنهاد شده است. نتایج پیاده‌سازی‌ها در خصوص سه مساله دسته بندی «مجموعه داده بیماری دیابت»، «مجموعه داده یونسفر» و «مجموعه داده سونار» به عنوان مسائل متداول تشخیص الگو با ابعاد ویژگی کم، متوسط و بالا نشان می‌دهد که دقت دسته‌بندی‌کننده بیز پیشنهادی از دسته‌بندی‌کننده بیز ساده و دسته بندی کننده‌های بیز وزن‌دار مبتنی بر گسسته سازی ویژگی‌ها بهتر می‌باشد. همچنین نتایج آزمایشات از غلبه روش پیشنهادی بردسته بندی‌کننده بیز مبتنی بر الگوریتم ژنتیک از نظر زمان لازم برای آموزش مدل و دقت دسته بندی در مسائل با ابعاد متوسط و بالا حکایت می‌نماید. less
دسته بندی‌کننده بیزساده یکی از روشهای دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این ... more |
خرید مقاله
|
|
یک روش ترکیبی جدید جهت پیش‌بینی بار کوتاه مدت برق به کمک سری زمانی و بیزین |
محدثه قایخلو
محمدباقر منهاج
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
پيش‌بيني صحيح بار علاوه بر صرفه جويي در هزينه هاي سرمايه گذاري ، امكان برنامه ريزي بهتر براي توسعه نيروگاه‌ها و شبکه‌های انتقال و توزيع را فراهم مي آورد. در ... more
پيش‌بيني صحيح بار علاوه بر صرفه جويي در هزينه هاي سرمايه گذاري ، امكان برنامه ريزي بهتر براي توسعه نيروگاه‌ها و شبکه‌های انتقال و توزيع را فراهم مي آورد. در ایران بدلیل وجود دو تقویم شمسی و قمری در موارد خاصی همچون روزهای بین تعطیل ، تعطیلی های پیاپی بارمصرفی متفاوت دارند .در فصل بهار و پائیز که درجه حرارت محیط در اغلب نقاط کشور معتدل می باشد بار شبکه نسبت به فصول تابستان و زمستان به مراتب پایین‌تر است، به همین دلیل در این 2 فصل، توزیع بار اغلب دارای خطای زیاد خواهد بود. خطای زیاد در پیش‌بینی بار ،نیاز به روشهای دیگر برای افزایش دقت و بهبود خطا را نشان می دهد. بررسی روشهای قبل نشان می دهد که دسته بندی بار با توجه به تقویم شمسی و قمری در بهینه سازی مسئله ازاهمیت بالایی برخوردار است. در این تحقیق پس از دسته بندی داده‌های بارمصرفی، بردار ورودی مناسب برای سری زمانی انتخاب گردید وخروجی سری زمانی به ورودی شبکه عصبی که توسط بیزین آموزش داده شده اعمال میگردد. توانسته است با استفاده از بار روزهاي قبل در آموزش شبكه، در مقایسه با سایر روش‌ها دقت پيش‌بيني را تا حد زيادي بهبود بخشد. less
پيش‌بيني صحيح بار علاوه بر صرفه جويي در هزينه هاي سرمايه گذاري ، امكان برنامه ريزي بهتر براي توسعه نيروگاه‌ها و شبکه‌های انتقال و توزيع را فراهم مي آورد. در ... more |
خرید مقاله
|
|
پیاده‌سازی روش ترکیبی سری زمانی و BNN جهت پیش‌بینی بار و مقایسه با دیگر مدلهای سری زمانی |
محدثه قایخلو
محمدباقر منهاج
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در برنامه‌ريزي آينده يك سيستم قدرت، پيش‌بيني بار از اهميت ويژ هاي برخوردار بوده و بايد ميزان خطاي آن تا حد امكان كاهش يابد. دقت نتايج اين پيش‌بيني بر هزينه ... more
در برنامه‌ريزي آينده يك سيستم قدرت، پيش‌بيني بار از اهميت ويژ هاي برخوردار بوده و بايد ميزان خطاي آن تا حد امكان كاهش يابد. دقت نتايج اين پيش‌بيني بر هزينه توليد و همچنين ميزان خاموشي در سيستم قدرت تأثيرگذار مي باشد. در ایران بدلیل وجود دو تقویم شمسی و قمری در موارد خاصی همچون روزهای بین تعطیل، تعطیلی‌های پیاپی بار مصرفی متفاوت دارند به همین دلیل، توزیع بار اغلب دارای خطای زیاد خواهد بود. با توجه به حساس بودن پیش‌بینی بار استفاده از ابزاری مانند سری‌زمانی برای افزایش دقت و بهبود خطا مناسب است. انتخاب مناسب بردار ورودی برای سری زمانی از اهمیت بالایی برخوردار است، در این مقاله مدلی برای پیش‌بینی بار کوتاه مدت به کمک سری زمانی و آموزش شبکه عصبی توسط بیزین ارائه شد. این مدل پیشنهادی در مقایسه با سایر روشهای مختلف تجزیه و تحلیل سری‌های زمانی از جمله AR، ARMA ، ARIMA ،GARCH دقت پيش‌بيني را تا حد زيادي بهبود بخشد. less
در برنامه‌ريزي آينده يك سيستم قدرت، پيش‌بيني بار از اهميت ويژ هاي برخوردار بوده و بايد ميزان خطاي آن تا حد امكان كاهش يابد. دقت نتايج اين پيش‌بيني بر هزينه ... more |
خرید مقاله
|
|
ارائه یک روش جهش جدید برای الگوریتم تکامل تفاضلی و استفاده از آن برای آموزش شبکه‌های عصبی |
بهروز احدزاده
محمد باقر منهاج
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
امروزه شبکه‌های عصبی مصنوعی کاربرد وسیعی در زمینه‌های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه‌های عصبی فرآیند پیچیده‌ای می‌باشد و تاکنون الگوریتم‌های مختلفی برای ... more
امروزه شبکه‌های عصبی مصنوعی کاربرد وسیعی در زمینه‌های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه‌های عصبی فرآیند پیچیده‌ای می‌باشد و تاکنون الگوریتم‌های مختلفی برای آموزش شبکه‌های عصبی ارائه شده است. یکی از روشهای متداول برای آموزش شبکه‌های عصبی استفاده از الگوریتم‌های مبتنی بر گرادیان مانند الگوریتم پس انتشار است. از مهمترين مشکلات الگوریتم‌های مبتنی بر گرادیان، توقف اين الگوریتم‌ها در نقاط بهینه محلی و کند بودن روند همگرایی مي‌باشد. برای رفع مشکلات الگوریتم‌های مبتنی بر گرادیان از الگوریتم‌های تکاملی برای آموزش شبکه‌های عصبی استفاده شده است. در این مقاله یک روش جهش جدید برای بهبود کارایی الگوریتم تکامل تفاضلی ارائه شده است و از این الگوریتم، برای آموزش شبکه‌های عصبی استفاده شده است. مقایسه نتایج روش پیشنهادی و الگوریتم‌های دیگر نشان می‌دهد که روش پیشنهادی، دارای سرعت و دقت همگرایی بهتری نسبت به روشهای دیگر است. less
امروزه شبکه‌های عصبی مصنوعی کاربرد وسیعی در زمینه‌های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه‌های عصبی فرآیند پیچیده‌ای می‌باشد و تاکنون الگوریتم‌های مختلفی برای ... more |
خرید مقاله
|
|
یک سیستم خبره برای تشخیص افتراقی در بخش مراقبت‌های ویژه |
مارینا قاراخانیان
افسانه فاطمی
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
سلامت بیماران در بخش مراقبت‌های ویژه «آی سی یو» بیمارستان یکی از جنبه‌های مهم در پزشکی است. فاکتور‌های متفاوت همچون ساعت‌های کاری طولانی، اضطراب، کمبود نیروی انسانی اعم از پزشک ... more
سلامت بیماران در بخش مراقبت‌های ویژه «آی سی یو» بیمارستان یکی از جنبه‌های مهم در پزشکی است. فاکتور‌های متفاوت همچون ساعت‌های کاری طولانی، اضطراب، کمبود نیروی انسانی اعم از پزشک و پرستار، وضعیت پیچیده‌ی بیماران و حجم زیاد اطلاعات باعث بروز خطا در زمینه‌ی تشخیص بیماری، درمان و مراقبت از بیمار در این بخش می‌شود. به همین دلیل، تصمیم‌گیری در مورد بهترین روش تأمین سلامتی بیماران که تشخیص درست بیماری جزء اولین ملزومات آن می‌باشد، به امری دشوار تبدیل شده است. یکی از مؤثرترین روشهای تشخیص بیماری در بخش مراقبت‌های ویژه، تشخیص افتراقی است. تشخیص افتراقی به معنای تشخیص یکی از علل (بیماری‌ها) از بین تمامی علل مطرح برای یک علامت مشاهده شده در بیمار می‌باشد. در این مقاله، یک سیستم خبره به منظور تشخیص افتراقی پیاده‌سازی شده است. روش پیشنهادی مبتنی بر یکپارچه‌سازی سیستم خبره با الگوریتم کاوش قوانین و نیز استفاده از الگوریتم ژنتیک جهت بهینه‌سازی قوانین استخراج شده می‌باشد. سیستم با توجه به تجارب قبلی موجود در پایگاه داده، بیماری‌هایی که احتمال آنها وجود دارد را به پزشک پیشنهاد می‌دهد و در تصمیم‌گیری سریع در مورد تشخیص بیماری‌ها یاری می‌رساند. نتایج آزمایشها نشان داده است که دقت تشخیص بیماری‌ها توسط سیستم طراحی شده 92% می‌باشد. less
سلامت بیماران در بخش مراقبت‌های ویژه «آی سی یو» بیمارستان یکی از جنبه‌های مهم در پزشکی است. فاکتور‌های متفاوت همچون ساعت‌های کاری طولانی، اضطراب، کمبود نیروی انسانی اعم از پزشک ... more |
خرید مقاله
|
|
اندازه‌گيري کمي نيازمنديهاي هوش در سيستمهاي نرم‌افزاري هوشمند |
شيوا وفادار
احمد عبداله‌زاده بارفروش
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در اين پژوهش، هوش به عنوان يک نوع نيازمندي جديد در سيستمهاي نرم‌افزاري درنظر گرفته شده و چارچوبي براي توصيف نيازمنديهاي هوشمندي، مشابه با ساير نيازمنديها در سيستمهاي نرم‌افزاري ... more
در اين پژوهش، هوش به عنوان يک نوع نيازمندي جديد در سيستمهاي نرم‌افزاري درنظر گرفته شده و چارچوبي براي توصيف نيازمنديهاي هوشمندي، مشابه با ساير نيازمنديها در سيستمهاي نرم‌افزاري ارائه شده است. تمرکز اصلي اين مقاله، بر روش ارزيابي اين ايده اصلي است که ويژکيهاي هوشمندي در قالب نيازمنديهاي نرم‌افزار قابل توصيف هستند. بدين منظور از رويکرد ارزيابي تجربي، به عنوان رويکرد غالب براي ارزيابي در مهندسي نرم‌افزاري استفاده شده است. در اين ارزيابي، که بر اساس استانداردهاي ارزيابي تجربي طراحي شده، بررسي مقايسه‌اي نيازمنديها در سه بعد کارکردي، کيفي و هوشمندي صورت گرفته است. در اين بررسي، شباهتها و تفاوتهاي انواع مختلف نيازمنديها (شامل نيازمنديهاي کارکردي، کيفي و هوشمندي) از نظر ويژگيهاي اعتبار، کامل‌بودن، ارتباط ميان نيازمنديها، تغييرپذيري نيازمنديها، قابليت پياده‌سازي و قابليت تست به صورت کمي اندازه‌گيري شده است. نتايج اين ارزيابي نشان مي‌دهد، شفافيت نيازمنديهاي هوشمندي (با استفاده از چارچوب معرفي شده) از نظر ويژگيهاي ذکر شده به اندازه شفافيت نيازمنديهاي کارکردي و کيفي نرم‌افزار مي باشد. نتايج اين آزمايش، ايده اصلي اين پژوهش را تاييد مي‌کنند که ويژگيهاي هوشمندي نرم‌افزار را می‌توان به صورت نيازمنديهاي نرم‌افزاري قابل درک، توصيف نمود. less
در اين پژوهش، هوش به عنوان يک نوع نيازمندي جديد در سيستمهاي نرم‌افزاري درنظر گرفته شده و چارچوبي براي توصيف نيازمنديهاي هوشمندي، مشابه با ساير نيازمنديها در سيستمهاي نرم‌افزاري ... more |
خرید مقاله
|
|
تسریع اندازه‌گیری خودکار پارامتر اریتم در استاندارد پاسی برای بیماران پسوریازیس |
منال السادات موسوی اصیل
فرزاد زرگری
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل شده و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با ... more
پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل شده و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه‌گیری میزان تاثیر داروها از شاخص PASI (Psoriasis Area and Severity Index) استفاده می‌شود که شامل چهار پارامتر وسعت، قرمزی (اریتم)، پوسته‌ریزی و ضخامت پلاک است. پزشکان پارامتر اریتم را به صورت تجربی و با چشم تخمین می‌زنند که نتایج آن در بین پزشکان متفاوت است. در مطالعات پیشین مدلی برای اندازه‌گیری خودکار پارامتر اریتم در استاندارد PASI (پاسی) ارائه شده که توسط پردازش کل پیکسل‌های پلاک تصویر انجام می‌شود. ولی پردازش کل پیکسل‌های پلاک کاری زمان‌بر است. هدف از این مقاله ارائه روشی جهت پردازش سریع پلاک تصویر با حفظ دقت اندازه‌گیری مطالعات پیشین است. برای این منظور با استفاده از نمونه‌گیری سیستماتیک، حجم بسیار کمی از پیکسل‌های پلاک انتخاب و پارامتر اریتم براساس آنها اندازه‌گیری شده است. نتایج نشان داده‌اند که تنها پردازش حدود 59 پیکسل پلاک برای اندازه‌گیری پارامتر اریتم در تصاویر با کیفیت‌های متفاوت کافی است و در دقت محاسبه خودکار درجه اریتم نسبت به الگوریتم پیشین تغییری ایجاد نمی‌شود. less
پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل شده و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با ... more |
خرید مقاله
|
|
سیستم تصدیق هویت بر اساس تقطیع سیگنال الکتروکاردیوگرام |
سارینه کشیش‌زاده
سعید رشیدی
|
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
ارزیابی و امکان‌سنجی استفاده از سیگنال قلبی (ECG: Electrocardiogram) به عنوان یک راهکار زیستسنجی، از جنبه های مختلف در مطالعات گذشته مورد بررسی قرار گرفته است. تغییرات درون سیگنالی و ... more
ارزیابی و امکان‌سنجی استفاده از سیگنال قلبی (ECG: Electrocardiogram) به عنوان یک راهکار زیستسنجی، از جنبه های مختلف در مطالعات گذشته مورد بررسی قرار گرفته است. تغییرات درون سیگنالی و عدم تکرارپذیری در ضربانهای قلبی، یک مشکل اساسی سیستمهای تصدیق هویت مبتنی بر ECG است. در این مقاله به منظور دستیابی به مشخصه های اساسی، کاهش تغییرات سطحی و افزایش کارایی سیستم، یک روش جدید استخراج ضربانهای قلبی و تقطیع آنها به مولفههای اصلی ارائه شده است. 30 ویژگی مکانی و زمانی از ضربان‌ها استخراج و بر اساس روش انتخاب ویژگی مستقیم در شش دسته 5 الی30 تایی دسته بندی شده اند. برای طبقه‌بندی الگوها از چهار روش نزدیک‌ترین همسایگی K، مدلهای گوسی، ترکیب مدلهای گوسی و ماشین بردار پشتیبان استفاده شده است. آزمایشها بر روی پایگاه دادگان MIT-BIH نشان می دهد که با استفاده از طبقه‌بندی‌کننده نزدیک‌ترین همسایگی K، دستیابی به معیار نرخ خطای برابر (EER: Equal Error Rate) برابر 25/0± 70/2% با لحاظ شاخص سطح زیر منحنی مشخصه (AUC: Area Under the ROC Curve) برابر با 03/0±73/99% میسر است. less
ارزیابی و امکان‌سنجی استفاده از سیگنال قلبی (ECG: Electrocardiogram) به عنوان یک راهکار زیستسنجی، از جنبه های مختلف در مطالعات گذشته مورد بررسی قرار گرفته است. تغییرات درون سیگنالی و ... more |
خرید مقاله
|
.gif){kind=icon}
