Andere Kunden interessierten sich auch für
![Algoritmi di classificazione di data mining per la previsione della malattia renale]( "Algoritmi di classificazione di data mining per la previsione della malattia renale")
Algoritmi di classificazione di data mining per la previsione della malattia renale27,99 €![Migliorare la precisione di classificazione dei classificatori di testo automatici]( "Migliorare la precisione di classificazione dei classificatori di testo automatici")
Migliorare la precisione di classificazione dei classificatori di testo automatici26,99 €![Effetto della PWHT sulla saldatura di due metalli diversi uniti mediante MIG]( "Effetto della PWHT sulla saldatura di due metalli diversi uniti mediante MIG")
Effetto della PWHT sulla saldatura di due metalli diversi uniti mediante MIG23,99 €![Previsione della resa del grano utilizzando il clustering e la rete neurale]( "Previsione della resa del grano utilizzando il clustering e la rete neurale")
Previsione della resa del grano utilizzando il clustering e la rete neurale26,99 €![Classificazione delle immagini nei messaggi istantanei mediante CNN]( "Classificazione delle immagini nei messaggi istantanei mediante CNN")
Classificazione delle immagini nei messaggi istantanei mediante CNN29,99 €![CLASSIFICAZIONE DEI MESSAGGI MOBILI MEDIANTE ALGORITMI NLP E ML]( "CLASSIFICAZIONE DEI MESSAGGI MOBILI MEDIANTE ALGORITMI NLP E ML")
CLASSIFICAZIONE DEI MESSAGGI MOBILI MEDIANTE ALGORITMI NLP E ML29,99 €![Progetto applicativo a sostegno della prevenzione della malattia di Alzheimer]( "Progetto applicativo a sostegno della prevenzione della malattia di Alzheimer")
Progetto applicativo a sostegno della prevenzione della malattia di Alzheimer26,99 €
I recenti progressi nel metodo di classificazione del glaucoma e i miglioramenti nella capacità di classificazione. Il glaucoma è una malattia dell'occhio che provoca cecità permanente, quindi per evitare la cecità è essenziale una diagnosi precoce del glaucoma. La nostra ricerca è incentrata su un sistema di classificazione automatizzato per l'identificazione della malattia, utilizzato per estrarre caratteristiche testuali dalle immagini retiniche che vengono utilizzate per distinguere tra campioni normali e campioni malati infetti. L'efficacia è misurata dai sottoinsiemi di caratteristiche classificate e selezionate utilizzando una macchina vettoriale di supporto, un'ottimizzazione minima sequenziale, una foresta casuale e tecniche di classificazione di Nave Bayes. Questo rappresenta una revisione dettagliata degli approcci di classificazione esistenti che sono stati applicati alla classificazione del glaucoma. Abbiamo osservato un'accuratezza di circa il 94% utilizzando il classificatore SVM.