Yazar "Bah, Thibaut Judicael" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    Comparison of data reduction algorithms for biomedical applications
    (Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2015-06-10) Bah, Thibaut Judicael; Karlık, Bekir
    Tıpta yumuşak hesaplama yöntemi birkaç yıldır büyüyen bir alandır. Biyoinformatik araştırmada ilerlemeye giderek, ve aynı zamanda karmaşık, büyük ve çok boyutlu verisetlerine bakan. Örneğin, yönbağımlı doğrusal olmayan difüzyon ile biyomedikal ve yapısal hücre biyolojisi 3 boyut görüntülerden ilgisiz verilerin ortadan kaldırılması hesaplamada pahalı. ECG Holter kaydedildi ve görevi öğrenmek için 100 binden fazla kalp atışları saklanan, hangi bilgiyi değerlendirecek ve daha sonra nihai bir çalışma veya test için tercih edilecegi hangi kalp atışları belirlenecegi zor bir iştir; bir hesaplama açısından pahalı ve büyük bir bellek alanı gerektirir [1]. Tıbbi görüntülerde hastadan hastaya birçok ortak özellik sunmak, ancak aralarındaki farklılıklar her zaman bazı anormalliklere neden olmayabilir. Bu tür görüntüler için biçimi çeşitli görüntü işleme başarı sınırlayan bir karmaşıklığa yol açar. Veri azaltma hedefliyor işlenecek konuyu kolay hale getirmek için de orijinal veri kümesinden gereksiz verileri ortadan kaldırmaktır. Veri azaltılması için etkili bir yaklaşımdır. Dahası, etkin biyoinformatik uygulamalarında önemli bir işlemdir.
  • Küçük Resim Yok
    Öğe
    The Role of Data Reduction for Diagnosis of Pathologies of the Vertebral Column by Using Supervised Learning Algorithms
    (IEEE, 2015) Bah, Thibaut Judicael; Karlik, Bekir
    Today in data mining research we are daily confronted with large amount of data. Most of the time, these data contain redundant and irrelevant data that it is important to extract before a learning task in order to get good accuracy. The fact that today's computers are more powerful does not solves the problems of this ever-growing data. It is therefore crucial to find techniques which allow handling these large databases often too big to be processed. Data reduction techniques are therefore a very important step to prepare the data before data mining and knowledge discovery. In this paper we present a comparative study on original and reduced data to see the role data reduction in a learning task. For this purpose, we used a medical dataset; especially a vertebral column pathologies database.