Informacja

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

Wyszukujesz frazę "multiple classifier systems" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
On new methods of dynamic ensemble selection based on randomized reference classifier
Autorzy:
Krysmann, M.
Kurzyński, M.
Powiązania:
https://bibliotekanauki.pl/articles/332974.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
uczenie maszynowe
kompetencja klasyfikatora
systemy wielo-klasyfikatorów
machine learning
classifier competence
multiple classifier systems
dynamic competence threshold
Opis:
In the paper two dynamic ensemble selection (DES) systems are proposed. Both systems are based on a probabilistic model and utilize the concept of Randomized Reference Classifier (RRC) to determine the competence function of base classifiers. In the first system in the selection procedure of base classifiers the dynamic threshold of competence is applied. In the second DES system, selected classifiers are combined using weighted majority voting rule with continuous-valued outputs, where the weights are equal to the class-dependent competences. The performance of proposed MCSs were tested and compared against DES system with better-than-random selection rule using eleven databases taken from the UCI Machine Learning Repository. The experimental results clearly show the effectiveness of the proposed methods.
Źródło:
Journal of Medical Informatics & Technologies; 2012, 20; 101-107
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification techniques for non-invasive recognition of liver fibrosis stage
Autorzy:
Krawczyk, B.
Woźniak, M.
Orczyk, T.
Porwik, P.
Musialik, J.
Błońska-Fajfrowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/332969.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
uczenie maszynowe
systemy wielo-klasyfikatorów
informatyka medyczna
zwłóknienie wątroby
wirusowe zapalenie wątroby typu C
machine learning
multiple classifier systems
compound pattern recognition
medical informatics
liver fibrosis
hepatitis C
Opis:
Contemporary medicine should provide high quality diagnostic services while at the same time remaining as comfortable as possible for a patient. Therefore novel non-invasive disease recognition methods are becoming one of the key issues in the health services domain. Analysis of data from such examinations opens an interdisciplinary bridge between the medical research and artificial intelligence. The paper presents application of machine learning techniques to biomedical data coming from indirect examination method of the liver fibrosis stage. Presented approach is based on a common set of non-invasive blood test results. The performance of four different compound machine learning algorithms, namely Bagging, Boosting, Random Forest and Random Subspaces, is examined and grid search method is used to find the best setting of their parameters. Extensive experimental investigations, carried out on a dataset collected by authors, show that automatic methods achieve a satisfactory level of the fibrosis level recognition and may be used as a real-time medical decision support system for this task.
Źródło:
Journal of Medical Informatics & Technologies; 2012, 20; 121-127
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
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