The medical data and its classification have to be treated in particular way. The data should not be modified or altered, because this could lead to false decisions. Most state-of-the-art classifiers are using random factors to produce higher overall accuracy of diagnosis, however the stability of classification can vary significantly. Medical support systems should be trustworthy and reliable, therefore this paper proposes fusion of multiple classifiers based on artificial Neural Network (ANN). The structure selection of ANN is performed using granular paradigm, where granulation level is defined by ANN complexity. The classification results are merged using voting procedure. Accuracy of the proposed solution was compared with state-of-the-art classifiers using real medical data coming from two medical datasets. Finally, some remarks and further research directions have been discussed.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00