Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "teoria Dempster-Shafera" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Tworzenie reguł diagnostycznych na podstawie danych
Data-based creation of diagnostic rules
Autorzy:
Straszecka, E.
Powiązania:
https://bibliotekanauki.pl/articles/156042.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
zbiory rozmyte
teoria Dempstera-Shafera
reguły diagnostyczne
fuzzy sets
Dempster-Shafer theory
diagnostic rules
Opis:
W pracy przedstawiono metodę tworzenia reguł diagnostycznych o rozmytych przesłankach reprezentujących objawy i nierozmytej konkluzji odpowiadającej diagnozie. Reguły tworzy się na podstawie danych uczących, lecz są one zrozumiałe dla ekspertów i mogą być przez nich weryfikowane. Zbiór reguł dla każdej z diagnoz jest ustalany odrębnie, z zastosowaniem oryginalnego algorytmu eliminacji reguł. Obliczenia dla dwóch benchmarkowych baz danych potwierdzają efektywność proponowanych metod.
A method of diagnostic rule creation is presented in the paper. The rules have fuzzy premises that represent symptoms and a crisp conclusion relevant to the diagnosis. Each rule has an assigned weight that is determined as a value of the basic probability assignment defined in the Dempster-Shafer theory. Having created the rules, there is performed the diagnostic reasoning for a consulted case whose outcomes are values of the Bel belief measure (of the Dempster-Shafer theory) for all diagnostic hypotheses. The hypothesis of the maximal belief is the ultimate conclusion. Membership functions of symptoms and the basic probability assignment are found from the training data. Although the rules are created by means of data, they are understandable for human experts who can interpret and verified them. An individual set of rules is provided for each diagnosis. It results from an original elimination algorithm that is proposed in the paper. The elimination process starts from the complete set of rules and the algorithm indicates rule(s) of the lowest diagnostic significance, which are next deleted. Numerical experiments for two benchmark databases show the properties of the proposed method.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 4, 4; 219-222
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Jednoczesna ocena informacji ilościowej i jakościowej podczas wspomagania diagnostyki medycznej
Simultaneous estimation of quantity and quality information in medical diagnosis support
Autorzy:
Straszecka, E.
Powiązania:
https://bibliotekanauki.pl/articles/154309.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
wspomaganie diagnozy medycznej
zbiory rozmyte
teoria Dempstera-Shafera
medical diagnosis support
fuzzy sets
Dempster-Schafer theory of evidence
Opis:
Diagnoza medyczna bazuje na niepełnej i nieprecyzyjnej informacji, dlatego algorytmy wspomagania wnioskowania medycznego muszą spełniać specyficzne wymagania. Praca koncentruje się na jednoczesnej i równoważnej ocenie parametrów medycznych rozmaitej natury: mierzalnych (np. testy laboratoryjne), formułowanych ściśle (ciąża), określanych nieprecyzyjnie (przyrost wagi), a czasem definiowanych w umownej skali (ból). Proponuje się modelowanie wnioskowania medycznego z zastosowaniem teorii Dempstera-Shafera rozszerzonej poprzez zdefiniowanie rozmytych elementów ogniskowych. Pozwala to na reprezentację wiedzy w postaci reguł. W przesłankach tych reguł mogą występować zarówno zmienne ilościowe, jak i jakościowe. Każdej regule jest przypisana wartość bazowego prawdopodobiestwa zdefiniowanego zgodnie z teorią Dempstera-Shafera. Funkcje przynależności charakteryzujące zmienne w przesłankach reguł oraz rozkładu bazowego prawdopodobieństwa można wyznaczyć na podstawie danych uczących. Wniosek diagnostyczny jest wynikiem porównania wartości miar przekonania (Bel) dla kilku hipotez. Przedstawiony model wnioskowania został zweryfikowany się dla 3 niezależnych baz danych dotyczących chorób tarczycy.
Medical diagnosis is based on uncertain and imprecise information. Therefore, algorithms that support medical inference comply with specific requirements. This paper is focused on simultaneous and equal estimation of medical parameters of different nature: measurable (like laboratory tests), precisely formulated (pregnancy), described in an imprecise way (putting on weight), or defined on an assumed scale (pain). It is suggested to model a medical inference in the framework of the Dempster-Shafer theory extended for fuzzy focal elements. By means of the proposed algorithm, diagnostic rules can be formulated. Premises of the rules may include both quantity and quality variables. Each rule is assigned with a value of the basic probability assignment that is defined according to the Dempster-Shafer theory. Membership functions of rule predicates as well as the basic probability assignment are found from training data. The diagnostic conclusion is formulated after a comparison of belief values for several hypotheses. The model of inference is verified for 3 independent data bases of thyroid gland diseases.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 372-375
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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