• مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • درباره ما
  • تماس با ما
  • سفارش تدریس آنلاین
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب

خانهفروشگاهیادگیری ماشینشبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب
https://dl.programstore.ir/files/Uploades/Previews/breast%20cancer%20svm%20Preview/breast%20cancer%20svm%20Preview.mp4

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب عنوان پروژه ای است که در این پست قرار داده ایم. شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در شبیه ساز  محبوب متلب 2017 پیاده سازی شده است. این پروژه به دنبال تشخیص نوع سرطان سینه بدخیم و خوش خیم می پردازد و با استفاده از معیارهای دقت، صحت، F1 و Recall پیاده سازی ارزیابی می شود. در ادامه به تشریح روش پیاده سازی خواهیم پرداخت.

cropped-fav2.png

برنامه‌نویس: تیم برنامه نویسی پی استور

متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی

تیم برنامه نویسی پی استور یکی از اولین گروه های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف برنامه نویسی و تهیه سورس کد فعال هستند.

دیتاست DataSet سرطان سینه

دیتاست مورداستفاده مجموعه داده بیماران سرطان سینه موجود در مخزن داده‌ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است و در آدرس آنلاین (+) آن موجود می‌باشد. و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد که در ایالت ویسکانسین ایالات‌متحده جمع‌آوری‌شده است.

شبیه سازی تشخیص سرطان سینه یا سرطان پستان SVM

 

9 ویژگی در این ساختار مشخص است و سطر آخر نیز نمایان گر نوع کلاس است که به‌صورت خوش‌خیم (2) و بدخیم (4) مشخص‌شده است و مشخصات تعداد 699 نمونه از افراد مبتلا به سرطان در این مجموعه داده در سال 1992 جمع‌آوری‌شده است. داده‌های موجود در این مجموعه به سه دلیل بایستی پیش‌پردازش شوند. در این مجموعه داده، مقدار بعضی داده‌ها وارد نشده بود که به‌اصطلاح داده‌های گم‌شده بودند، هدف از این پیش‌پردازش این بود که داده‌های گم‌شده حذف شوند که در روند شبیه‌سازی خطا را کم کنند. سطرهایی که شامل داده‌های گمشده بودند حذف شدند که پس‌ازاین مرحله 683 سطر باقی ماند. ازآنجاکه شماره شناسایی بیماران جزء فاکتورهای تشخیصی نوع سرطان پستان نبود در پیش پردازش داده ها حذف شدند.

شبیه سازی تشخیص سرطان سینه با الگوریتم SVM

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان در متلب 2017 آماده شده است. که دارای 4 فایل .m می باشد.

  • فایل main.m

این فایل تابع اصلی شبیه سازی می باشد که اجرای برنامه از آن شروع می شود. دیتاست پیش پردازش شده در متغیر IOdata ذخیره شده است 70 درصد از داده ها به صورت تصادفی به آموزش داده می شود و 30 درصد برای تست. معیارهای ارزیابی و نمودارها در این تابع فراخوانی می شوند.

  • فایل IOdata.mat

این فایل همان دیتاست سرطان سینه می باشد که پیش پردازه شده و دارای 9 ویژگی می باشد.

  • فایل confusionmatStats.m

معیارهای ارزیابی و آماری که فرمول های آنها در ادامه معرفی می شود در این قسمت پیاده سازی شده و از تابع اصلی صدا زده می شوند.

  • فایل roc_curve.m

این فایل مربوط به رسم نمودار ROC می باشد که نسبت حساسیت به ویژگی را نشان می دهد.

خروجی شبیه سازی

به‌طورکلی برای برسی میزان موفقیت و کارایی سیستم های دسته‌بندی و تشخیص بیماری‌ها از ماتریس درهم ریختگی استفاده می‌شود. تحلیل ماتریس در هم ریختگی در دسته‌بندی و تشخیص بیماری‌ها منجر به 4 حالت TP, TN, FP, FN می‌شود از نتایج ماتریس در هم ریختگی سه شاخص دقت, صحت و کارایی به دست میاید که برای تحلیل عملکرد سیستم‌های طبقه‌بندی استفاده می‌شود. نمودار اول مربوط به تشخیص دسته بیماری می باشد نقاط آبی مقدار واقعی کلاس و نقاط قرمز تشخیص ماشین بردار پشتیبان از دیتا ست شبیه سازی تشخیص سرطان سینه می باشد.

 

شبیه سازی تشخیص سرطان سینه SVM

برای ارزیابی از چهار معیار دقت، صحت، F1 و Recall استفاده شده است که با استفاده از فرمول های این معیار ها و ماتریس کانفیوژن که  منجر به 4 حالت TP, TN, FP, FN می‌شود استفاده شده است شکل زیر عملکرد شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM  را نشان می دهد.

شبیه سازی تشخیص سرطان سینه SVM ماشین بردار پشتیبان

 

برای انواع خطاها در الگوریتم‌های یادگیری از معیارهای دیگری که در ادامه مطرح شده است استفاده می شود:

  • آمار کاپا (Kappa Statistic): یک معیار شانس درست است که برای تمییز کلاس‌بندی از کلاس‌های درست استفاده می‌شود.
  • میانگین خطای مطلق (MAE): خطای پیش‌بینی نزدیک به نتایج احتمالی را نشان می‌دهد.
  • ریشه میانگین مربعات خطا (RMSE): مربعات ریشه‌ی واریانس است و به عنوان خطای استاندارد شناخته می‌شود و مربعات خطای آموزشی را نشان می‌دهد.
  • خطای نسبی مطلق (RAE): عبارت است از نسبت خطای مطلق به اندازه حقیقی.
  • ریشه نسبی مربعات خطا (RRSE): مربعات خطای آموزشی نسبی را نشان می‌دهد.

شکل زیر مقادیر انواع خطاها در الگوریتم‌های یادگیری را نشان می دهد.

تشخیص سرطان سینه با SVM

نمودار زیر ROC نسبت حساسیت و ویژگی تشخیص بیماری را نشان می دهد.

تشخیص سرطان سینه با ماشین بردار پشتیبان ROC

ویدئوی معرفی

Your browser does not support the video tag.

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب 2014b توسط کارشناسان پی استور تست و اجرا شده است و دارای نشان تضمین کیفیت پی استور می باشد. این محصول دارای 4 فایل متلب به همراه توضیح فارسی در قالب word که شامل فرمول ها و متغیرهای شبیه سازی است بصورت zip شده قابل دانلود است. به محض خرید محصول با قیمت استثنایی لینک دانلود در دسترس خواهد بود.

گارنتی 7 روزه بازگشت هزینه

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.

مطالب مرتبط در زمینه شبیه سازی تشخیص بیماری

تشخیص سرطان سینه با شبکه عصبی در متلب (سورس کد کامل)
تشخیص سرطان سینه با شبکه عصبی در متلب (سورس کد کامل)
تشخیص بیماری عروق کرونری قلبی در متلب با استفاده از الگوریتم شبکه‌های عصبی مصنوعی
تشخیص بیماری عروق کرونری قلبی در متلب با استفاده از الگوریتم شبکه‌های عصبی مصنوعی
آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب
آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب
داکیومنت تشخیص بیماری عروق کرونری با شبکه‌های عصبی مصنوعی و رویکرد تکاملی
داکیومنت تشخیص بیماری عروق کرونری با شبکه‌های عصبی مصنوعی و رویکرد تکاملی
تشخیص سرطان سینه با استفاده از الگوریتم جستجوی گرانشی و شبکه‌های عصبی مصنوعی
داکیومنت تشخیص سرطان سینه با الگوریتم جستجوی گرانشی و شبکه عصبی
چالش های محاسبات داده های بزرگ در سلامت
تحقیق در مورد چالش های محاسبات داده های بزرگ در سلامت
امتیاز
5.00 از 2 رأی
5.00 2 رای
59,000 تومان
تاریخ انتشار: 22 فروردین 1397
تاریخ بروزرسانی: 2 اسفند 1398
حجم فایل: 0.3 مگابایت
فرمت فایل m. در قالب متلب
نسخه: 1.0
شناسه اثر: ندارد
هماهنگی با: Matlab 2009 و بالاتر
دانلود شده توسط: 294 نفر

تاکنون 294 نفر این محصول را تهیه کرده اند و 2 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • شبنم احمدی
    30 مهر 1401
    امتیاز 5 از 5
    پاسخ

    همه چیز کامل بود. ممنون از شما عزیزان

  • مدیریت و پشتیبانی
    28 اسفند 1397
    امتیاز 5 از 5
    پاسخ

    نظرات و دیدگاه های خود را با ما درمیان بگذارید.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دسته‌بندی موضوعی: یادگیری ماشین
برچسب: سورس کد متلب

قیمت 59,000 تومان

افزودن به علاقه مندی ها
امتیاز
5.00 از 2 رأی
5.00 2 رای
59,000 تومان

تاریخ انتشار: 22 فروردین 1397
تاریخ بروزرسانی: 2 اسفند 1398
حجم فایل: 0.3 مگابایت
فرمت فایل m. در قالب متلب
نسخه: 1.0
شناسه اثر: ندارد
هماهنگی با: Matlab 2009 و بالاتر
دانلود شده توسط: 294 نفر

2 بازخورد (مشاهده نظرات)

قیمت: 59,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175 (ساعت کاری 8:00 الی 16:00)
  • آی دی تلگرام: programerPstore
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده
اینماد نشان ملی   پروانه نشر دیجیتال
  • حساب کاربری من
  • سوالات متداول
  • راهنمای خرید و دانلود
پی استور
  • همکاری با ما
  • قوانین و مقررات
  • حریم خصوصی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up