دانلود مقاله انگلیسی رایگان:روش داده کاوی برای تسریع صحت طبقه بندی قلب و عروق - 2018

محرم

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 کاوی رایگان
  • Data mining approach for accelerating the classification accuracy of cardiotocography Data mining approach for accelerating the classification accuracy of cardiotocography
    Data mining approach for accelerating the classification accuracy of cardiotocography

    سال انتشار:

    2018


    عنوان انگلیسی مقاله:

    Data mining approach for accelerating the classification accuracy of cardiotocography


    ترجمه فارسی عنوان مقاله:

    روش داده کاوی برای تسریع صحت طبقه بندی قلب و عروق


    منبع:

    Sciencedirect - Elsevier - Clinical Epidemiology and Global Health,Corrected proof,doi:10:1016/j:cegh:2018:03:004


    نویسنده:

    Sai Prasad Potharaju


    چکیده انگلیسی:

    Objective: The objective of current study is to increase the classification accuracy of learning algorithms over cardiotocography data by applying preprocessing technique. Due to the diversity of sources, large amount of data is being generated and also has various problems including mislabeled data, missing values, noise, high dimensionality and imbalanced class labels.Method: In this study, we suggested a technique to handle imbalanced data to increase the classification per- formance of various lazy learners, rule based induction models and tree based models. We used Symmetric Minority Over Sampling Technique (SMOTE) on real dataset to accelerate the performance of various classifiers. We identified that primary dataset is suffering with imbalanced problem, which means the most of the records belong to same class label. Prediction of imbalanced data is biased towards the class with majority instances. To overcome this problem, dataset has to be balanced.Results: As a result of the suggested method the performance of classification algorithms are increased. The obtained result show that majority of classification techniques performed better over balanced dataset when compared with imbalanced dataset.Conclusion: Classification performance over balanced dataset has recorded improved performance than im- balanced dataset after applying the SMOTE.
    Keywords: Balanced | Imbalanced | Lazy learners | SMOTE | Rule based | Tree based


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 0
    حجم فایل: 0 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-کاوی
موضوعات
footer