13,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
7 °P sammeln
Andere Kunden interessierten sich auch für
![Auswahl wichtiger Symptome für medizinische Datensätze]( "Auswahl wichtiger Symptome für medizinische Datensätze")
Auswahl wichtiger Symptome für medizinische Datensätze35,90 €![Sélection des symptômes importants pour les ensembles de données médicales]( "Sélection des symptômes importants pour les ensembles de données médicales")
Sélection des symptômes importants pour les ensembles de données médicales23,99 €![Selezione di sintomi importanti per i set di dati medici]( "Selezione di sintomi importanti per i set di dati medici")
Selezione di sintomi importanti per i set di dati medici23,99 €![Selecção Sintomas importantes para conjuntos de dados médicos]( "Selecção Sintomas importantes para conjuntos de dados médicos")
Selecção Sintomas importantes para conjuntos de dados médicos23,99 €![Selection Important Symptoms for Medical Datasets]( "Selection Important Symptoms for Medical Datasets")
Selection Important Symptoms for Medical Datasets23,99 €![GIS dlq integracii dannyh]( "GIS dlq integracii dannyh")
GIS dlq integracii dannyh16,99 €![Prilozhenie dlq Android dlq wizual'nogo predstawleniq struktur dannyh]( "Prilozhenie dlq Android dlq wizual'nogo predstawleniq struktur dannyh")
Prilozhenie dlq Android dlq wizual'nogo predstawleniq struktur dannyh13,99 €
Vybor optimal'nyh priznakow qwlqetsq wazhnoj oblast'ü issledowanij w sistemah dobychi medicinskih dannyh. V dannom issledowanii my predstawlqem äffektiwnuü proceduru - wybor podmnozhestwa priznakow, ranzhirowanie priznakow i klassifikaciü, nazywaemuü analizom glawnyh komponent na osnowe metoda JK dlq powysheniq tochnosti obnaruzheniq i wybora optimal'nogo podmnozhestwa priznakow. Predlozhennyj metod reguliruet parametr "ohwat dispersii" i stroit model' s tem znacheniem, pri kotorom dostigaetsq maximal'naq tochnost' klassifikacii. Jeto oblegchaet wybor kompaktnogo nabora prewoshodnyh priznakow pri ochen' nizkih zatratah. Obshirnoe äxperimental'noe srawnenie predlozhennogo metoda i drugih metodow s ispol'zowaniem treh razlichnyh klassifikatorow (Naïve Bayes (NB), mnogoslojnyj perceptron (MLP) i derewo reshenij J48) i 6 razlichnyh naborow medicinskih dannyh podtwerzhdaet, chto predlozhennaq strategiq (PCA-JK) daet mnogoobeschaüschie rezul'taty po otboru priznakow i tochnosti klassifikacii dlq medicinskoj oblasti issledowanij.