文献

J-GLOBAL ID：201702283508178189   整理番号：17A1035386

ハイブリッドSMOTE法(HST)に基づく医用データ分類法とラフ集合法(RST)【Powered by NICT】

Medical data classification scheme based on hybridized SMOTE technique (HST) and Rough Set technique (RST)

著者 (2件)： Mustafa Nadir (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Jian-Ping Li (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCCBDA  ページ： 49-55  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 医療データはヒトの健康の診断に広く使用されている。医師だけでなく医療工学における重要な役割を果たしている。,多くのタイプの研究がこの疾患のより良い予測を持つことまたは診断品質を改善するために関連した中である。しかし,研究者の大部分は次元空間または不均衡データのいずれかに作用する。このため,両因子が等しく重要であるが,正確な予測や悪性疾患の分類を持たないかもしれない。まだ改良または両因子を組合せてこれらの生医学的課題に対処するために必要なより多くの研究が必要である。このように本論文では,少数派クラスを増加させ,多数クラスを無視することによって不均衡データを扱うに成功し合成少数にラフ集合理論と最大距離を組み合わせた新しい効率的なアルゴリズムを提案した。本アルゴリズムは生物医学データについて研究し,次元性とデータ分散の観点から望ましい結果を与えた。ここでは,この論文では,少数派クラスにバランスのとれたデータの品質は,共分散のような評価指標,正確度(ACC)と曲線下面積(AUC)を用いて評価した。アルゴリズムの性能を,ACCとAUCの計量を持つ最良の精度を達成することを数値結果から観察された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 医師 ,  悪性疾患 ,  アルゴリズム ,  医用工学 ,  血中濃度-時間曲線下面積 ,  *ラフ集合 ,  品質 ,  共分散
準シソーラス用語： 評価指標 ,  生物医学 ,  ラフ集合論 ,  不均衡データ ,  *データ分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： HST ,  データ分類 ,  ラフ集合