Elipsoit Destek Vektör Öbekleme Algoritmasının Biyomedikal Veri Setleri Üzerinde Karşılaştırmalı Performans Analizi

Academic Platform Journal of Engineering and Science Pub Date : 2019-01-15 DOI:10.21541/apjes.424247

Ömer Karal, Furkan Burak Bağcı

{"title":"Elipsoit Destek Vektör Öbekleme Algoritmasının Biyomedikal Veri Setleri Üzerinde Karşılaştırmalı Performans Analizi","authors":"Ömer Karal, Furkan Burak Bağcı","doi":"10.21541/apjes.424247","DOIUrl":null,"url":null,"abstract":"Hastalikli kisilerde hastaligin teshisinin onceden yapilmasi, tanisinin konulmasi ve gerekli onlemlerin alinmasina yardimci olmalarindan dolayi obekleme algoritmalarinin performansi biyomedikal arastirmalarda cok onemlidir. Ancak, cogu obekleme algoritmasi benzerlik metrigi olarak Oklid uzakligini kullanir. Oklid uzakligi verilerin varyanslarini esit kabul eder. Gurultulu veya aykiri degerlerin veriye bulasmasi durumunda, geleneksel Oklid uzakligi kullanan obekleme yontemlerinin performansi oldukca dusmektedir. Bu calisma, yukarida bahsedilen olumsuzluklari gidermek icin kernel tabanli obekleme yontemlerinden biri olan Elipsoit Destek Vektor Obekleme (EDVO) algoritmasini onerir. EDVO algoritmasinda, onceden obek sayisinin belirtilmesine gerek yoktur. Ayrica, EDVO algoritmasi, mahalanobis benzerlik olcusunu kullanarak verilerin dagilimina uygun kumelenme sekilleri uretebilir. Onerilen EDVO algoritmasi hem gercek biyomedikal verilere hem de sentetik verilere uygulanmis ve daha sonra geleneksel kumeleme yontemleri ile karsilastirilmistir. EDVO algoritmasinin dogruluk, ozgulluk ve duyarlilik acisindan iyi bir performans gosterdigi gozlemlenmistir.","PeriodicalId":294830,"journal":{"name":"Academic Platform Journal of Engineering and Science","volume":"91 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-01-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Academic Platform Journal of Engineering and Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21541/apjes.424247","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

Hastalikli kisilerde hastaligin teshisinin onceden yapilmasi, tanisinin konulmasi ve gerekli onlemlerin alinmasina yardimci olmalarindan dolayi obekleme algoritmalarinin performansi biyomedikal arastirmalarda cok onemlidir. Ancak, cogu obekleme algoritmasi benzerlik metrigi olarak Oklid uzakligini kullanir. Oklid uzakligi verilerin varyanslarini esit kabul eder. Gurultulu veya aykiri degerlerin veriye bulasmasi durumunda, geleneksel Oklid uzakligi kullanan obekleme yontemlerinin performansi oldukca dusmektedir. Bu calisma, yukarida bahsedilen olumsuzluklari gidermek icin kernel tabanli obekleme yontemlerinden biri olan Elipsoit Destek Vektor Obekleme (EDVO) algoritmasini onerir. EDVO algoritmasinda, onceden obek sayisinin belirtilmesine gerek yoktur. Ayrica, EDVO algoritmasi, mahalanobis benzerlik olcusunu kullanarak verilerin dagilimina uygun kumelenme sekilleri uretebilir. Onerilen EDVO algoritmasi hem gercek biyomedikal verilere hem de sentetik verilere uygulanmis ve daha sonra geleneksel kumeleme yontemleri ile karsilastirilmistir. EDVO algoritmasinin dogruluk, ozgulluk ve duyarlilik acisindan iyi bir performans gosterdigi gozlemlenmistir.

查看原文本刊更多论文

映射算法的性能在生物医学研究中非常重要，因为它们有助于疾病患者的早期检测、诊断和疾病预防。然而，大多数估算算法都使用欧氏距离作为相似度量。欧氏距离假定数据的方差相等。当数据中引入噪声或离群值时，传统欧氏距离对应算法的性能就会严重下降。本文提出了椭圆体支持向量提取（EDVO）算法，它是基于核的相关方法之一，可以克服上述缺点。在 EDVO 算法中，无需事先指定顶点数量。此外，EDVO 算法还能使用 Mahalanobis 相似度量来生成与数据分布相匹配的网格模式。提出的 EDVO 算法已应用于真实生物医学数据和合成数据，并与传统的打磨方法进行了比较。结果表明，EDVO 算法在准确性、优化性和精确性方面都表现出色。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Academic Platform Journal of Engineering and Science

自引率

0.00%

发文量