دانلود مقاله انگلیسی رایگان:رویکردهای هوش محاسباتی برای طبقه بندی داده های پزشکی: مرور، چالش های آینده و مسیرهای تحقیقاتی

تخفیف ماه رمضان

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Computational intelligence approaches for classification of medical data: State-of-the-art, future challenges and research directions Computational intelligence approaches for classification of medical data: State-of-the-art, future challenges and research directions
    Computational intelligence approaches for classification of medical data: State-of-the-art, future challenges and research directions

    سال انتشار:

    2018


    عنوان انگلیسی مقاله:

    Computational intelligence approaches for classification of medical data: State-of-the-art, future challenges and research directions


    ترجمه فارسی عنوان مقاله:

    رویکردهای هوش محاسباتی برای طبقه بندی داده های پزشکی: مرور، چالش های آینده و مسیرهای تحقیقاتی


    منبع:

    Sciencedirect - Elsevier - Neurocomputing, 276 (2018) 2-22: doi:10:1016/j:neucom:2017:01:126


    نویسنده:

    Ali Kalantari a, Amirrudin Kamsin a, Shahaboddin Shamshirband b,c,∗, Abdullah Gani a, Hamid Alinejad-Rokny d, Anthony T. Chronopoulos e,f


    چکیده انگلیسی:

    The explosive growth of data in volume, velocity and diversity that are produced by medical applications has contributed to abundance of big data. Current solutions for efficient data storage and management cannot fulfill the needs of heterogeneous data. Therefore, by applying computational intelligence (CI) ap proaches in medical data helps get better management, faster performance and higher level of accuracy in detection. This paper aims to investigate the state-of-the-art of computational intelligence approaches in medical data and to categorize the existing CI techniques, used in medical fields, as single and hybrid. In addition, the techniques and methodologies, their limitations and performances are presented in this study. The limitations are addressed as challenges to obtain a set of requirements for Computational In telligence Medical Data (CIMD) in establishing an efficient CIMD architectural design. The results show that on the one hand Support Vector Machine (SVM) and Artificial Immune Recognition System (AIRS) as a single based computational intelligence approach were the best methods in medical applications. On the other hand, the hybridization of SVM with other methods such as SVM-Genetic Algorithm (SVM-GA), SVM-Artificial Immune System (SVM-AIS), SVM-AIRS and fuzzy support vector machine (FSVM) had great performances achieving better results in terms of accuracy, sensitivity and specificity.
    Keywords: Computational intelligence ، Medical application ، Big data ، Detection ، Ensemble algorithm


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 21
    حجم فایل: 1792 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات
footer