Classification analysis is widely adopted for healthcare applications 的简体中文翻译

Classification analysis is widely a

Classification analysis is widely adopted for healthcare applications to support medical diagnostic decisions,improving quality of patient care, etc. A subset dataset of the extensive amounts of data stored in medical databases is selected for training. If the training dataset contains irrelevant features, classification analysis may produce less accurate and less understandable results. Feature subset selection is one ofdata preprocessing step, which is of immense importance in the field of data mining. This paper proposes the filter and wrapper approaches with Particle Swarm Optimization (PSO) as a feature selection methods for medical data. The performance of the proposed methods is compared with another feature selection algorithm based on Genetic approach. The two algorithms are applied to three medical data sets The results show that the feature subset recognized by the proposed PSO when given as input to five classifiers, namely decision tree, Naïve Bayes, Bayesian, Radial basis function and k-nearest neighbor classifiers showed enhanced classification
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
分类分析普遍采用的医疗保健应用,支持医疗诊断决策,<br>改善病人护理等子集到的大量存储在医疗数据库中的数据的数据集的质量来选择训练。如果训练数据集包含不相关特征,分类分析,可能会产生不准确的和难以理解的结果。特征子集选择是一个<br>数据预处理步骤,这是极为重要的数据挖掘领域。本文提出了在过滤器和作为医疗数据的特征选择方法与包装粒子群优化(PSO)接近。所提出的方法的性能与基于遗传方法的另一个特征选择算法进行比较。这两种算法应用到三级医疗数据集的结果表明,所提出的PSO认可的功能子集,当输入给五个分类,即决策树,朴素贝叶斯,贝叶斯,径向基函数和k近邻分类显示增强分类
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
分类分析被广泛用于医疗保健应用,以支持医疗诊断决策,<br>提高病人护理质量等。选择存储在医疗数据库中的大量数据的子集数据集进行培训。如果训练数据集包含不相关的要素,则分类分析可能会生成不太准确和不太易懂的结果。功能子集选择是<br>数据预处理步骤,这在数据挖掘领域具有极其重要的意义。本文提出了以粒子蜂群优化(PSO)为医学数据特征选择方法的筛选和包装方法。将该方法的性能与另一种基于遗传方法的特征选择算法进行了比较。两种算法应用于三个医学数据集 结果表明,当给出五个分类器(即决策树、纳伊夫贝叶斯、贝叶斯、径向基函数和k近邻)的输入时,建议PSO识别的特征子集分类器显示增强的分类
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
分类分析广泛应用于医疗保健应用,以支持医疗诊断决策,<br>提高患者护理质量等。选择存储在医疗数据库中的大量数据的子集数据集进行培训。如果训练数据集包含不相关的特征,分类分析可能会产生不太准确和不易理解的结果。特征子集选择是<br>数据预处理步骤,在数据挖掘领域有着极其重要的意义。提出了一种基于粒子群优化(PSO)的过滤包装方法作为医学数据的特征选择方法。并与另一种基于遗传算法的特征选择算法进行了性能比较。将这两种算法应用于3个医学数据集,结果表明,当将PSO识别的特征子集作为5个分类器(决策树、朴素贝叶斯、贝叶斯、径向基函数和k近邻分类器)的输入时,其分类性能得到了提高
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: