1846

KA-ComSoft1852

مهديه رياحي مدوار

توسعه يك مدل تركيبي شبكه عصبي و انتخاب ويژگي مبتني برخوشه بندي گراف و الگوريتم بهينه سازي ازدحام ذرات براي تشخيص بيماري كوويد-19

Development of a hybrid neural network model and feature selection based on particle graph clustering and swarm optimization algorithm for the diagnosis of Covid-19 disease

كارشناسي ارشد

كامپيوتر

1401/07/30

حيدر قاسم زاده

مهندسي كامپيوتر

در اين پايان‌نامه سعي شده است تا يك مدل طبقه بندي شبكه عصبي و انتخاب ويژگي مبتني بر الگوريتم بهينه سازي ازدحام ذرات براي تشخيص بيماري كوويد-19 ارائه شود. نتايج فاز انتخاب ويژگي با حذف ويژگي‌هاي داراي افزونگي و غير مرتبط دقت نهايي را بالا مي برد و همچنين پيچيدگي زماني براي مرحله تشخيص نهايي بيماري COVID19 نيز كم مي‌شود. در مجموعه داده اي COVID19، ويژگي‌هاي مختلف داراي دامنه مقادير متفاوتي هستند. روش مبتني بر شبكه عصبي و الگوريتم بهينه سازي ذرات بر اساس معيار دقت تشخيص با روش‌هاي CDFS, TFFS,CDFE،GBC, FSPS براي تشخيص بيماري COVID19 مقايسه مي‌شود. نتايج شبيه‌سازي، عملكرد مناسب روش مبتني بر شبكه عصبي و الگوريتم بهينه سازي ذرات را نشان دادند. همچنين نتايج مقايسه نشان داد روش مبتني بر شبكه عصبي و الگوريتم بهينه سازي ذرات هم از نظر زمان اجرا و هم از نظر دقت تشخيص داراي برتري است. نتايج نشان داد كه روش پيشنهادي حدود 7 درصد دقت را بهبود داده است و حدود 10 درصد زمان اجرا را كاهش داده است.

1402/12/23

سميرا سامعي