این مقاله انگلیسی ISI در نشریه Sage در 11 صفحه در سال 2016 منتشر شده و ترجمه آن 15 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
مقایسه روش های فراگیری ماشین برای کشف فلج چند گانه مبتنی بر آنتروپی موجک ایستا: درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی |
| عنوان انگلیسی مقاله: |
Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2016 |
| تعداد صفحات مقاله انگلیسی | 11 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی پزشکی، مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | سایبرنتیک پزشکی، پردازش تصاویر پزشکی و هوش مصنوعی |
| مجله |
شبیه سازی پردازش تصویر دیجیتال در کاربرد های پزشکی Special Issue: Simulation of Digital Image Processing in Medical Applications |
| دانشگاه | دانشکده علوم و فناوری کامپیوتر، دانشگاه نانجینگ، چین |
| کلمات کلیدی | آنتروپی موجک ثابت، مولتیپل اسکلروزیس، درخت تصمیم گیری، یادگیری ماشین، همسایگان نزدیک k، دستگاه بردار پشتیبانی، |
| شناسه شاپا یا ISSN | ISSN 1741-3133 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت Sage |
| نشریه Sage |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
فهرست مطالب:
چکیده
1 – مقدمه
2- مواد
2-1 منبع
2-2 عادی سازی اسکن درونی
3- روش شناسی
3-1 انتروپی موجک ایستاء
3-2 دسته بندی
3-3 آزمایش آماری
4- نتایج
4-1 تبدیل موجک ایستاء
4-2 مقایسه دسته کننده
4-3 مقایسه با روش های با جدید ترین فناوری
4-4 زمان محاسبه
5- بحث و تبادل نظر
6- نتیجه گیری و مسیر های آینده
بخشی از ترجمه:
6- نتیجه گیری و مسیر های آینده
ما در مطالعه حاضر یک روش کشف MS را بر اساس SWE و kNN توسعه داده ایم . نتایج اثربخشی آن را نشان داده اند .
ما در آینده بایستی تحقیقات زیر را انجام دهیم : (1) به داده تصویر برداری بیشتر دست یابیم تا الگوریتم امان را از نو صحه گذاری کنیم ؛ (2) دیگر روش های عادی سازی اسکن داخلی نظیر برابر سازی هیستوگرام را تست می کنیم ؛ (3) دیگر شکل های انتروپیک پیشرفته نظیر انتروپی Tsallis و انتروپی چند مقیاسی را تست می کنیم ؛ (4) دیگر دسته کننده های پیشرفته تست می شوند : فراگیری ماشین بی نهایت ، ماشین بردار مجازی کرنل ، شبکه عصبی احتمالی و شبکه عصبی حلقه ای ؛ (5) یک الگوریتم آموزش بهبود یافته برای DT تست می شود یعنی C5.0 برای Unix/Linux و See5برای پنجره ها .
بخشی از مقاله انگلیسی:
6 Conclusion and future directions
In this study, we developed a MS detection method based on SWE and kNN. The results showed its effectiveness. In the future, we shall carry out the following researches: (i) acquire more MS imaging data to revalidate our algorithm; (ii) test other inter-scan normalization methods, such as histogram equalization; (iii) test other advanced entropic forms, for example, Tsallis entropy56 and multiscale entropy57; (iv) test other advanced classifiers: the extreme learning machine,58 kernel SVM,59 probabilistic neural network,60 and convolutional neural network61; (v) test an improved training algorithm for the DT, that is, C5.0 for Unix/Linux and See5 for Windows.62
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
مقایسه متد های یادگیری ماشین جهت تشخیص مولتیپل اسکلروز مبتنی بر آنتروپی موجک ثابت : درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی |
| عنوان انگلیسی مقاله: |
Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine |
|
|