Отрывок: Схематическое изображение алгоритма KNN приведено на рисунке 26. Рисунок 26 – Алгоритм метода K-Nearest Neighbours 40 Основываясь на процедурах KNN, первым шагом является инициализация значения k, которое представляет собой количество ближайших соседей. Следующим шагом является оценка длины каждого объекта a и b d(a,b) с помощью выбранной формулы расстояния. Затем объект будет классифицирован по бол...
Название : Разработка автоматизированной системы диагностики рака молочной железы на основе модели машинного обучения
Авторы/Редакторы : Грушенков М. А.
Додонов М. В.
Сопченко Е. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики и кибернетики
Дата публикации : 2024
Библиографическое описание : Грушенков, М. А. Разработка автоматизированной системы диагностики рака молочной железы на основе модели машинного обучения : вып. квалификац. работа по направлению подгот. 02.04.02 "Фундаментальная информатика и информационные технологии" (уровень магистратуры), направленность (профиль) "Инженерия программного обеспечения" / М. А. Грушенков ; рук. работы М. В. Додонов ; нормоконтролер Е. В. Сопченко ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики. - Самара, 2024. - 1 файл (2,9 Мб). - Текст : электронный
Аннотация : Цель работы – разработка автоматизированной системы диагностики рака молочной железы на основе модели машинного обучения, позволяющей с помощью введенных пользователем данных о клетках, полученных в результате проведения тонкоигольной пункции, определить наличие рака молочной железы. В процессе работы были разработаны алгоритмы и соответствующая программа, позволяющая пользователю регистрироваться и авторизоваться в системе, вводить параметры для расчетов и просматривать справочную информацию. Система выполняет функции определения типа исследуемых клеток, отображения всех проведенных пользователем исследований, отображения графиков изменения значений параметров выбранного клиента, проверку корректности вводимых параметров и выдачу справочной информации. Система разработана на языках TypeScript и Python в среде VS Code 2019 с использованием библиотек «Pandas», «NumPy», «Sckitlearn», фреймворка «Angular» и функционирует под управлением операционных систем Windows 7/8/10/11. Доступ к данным осуществляется с помо
URI (Унифицированный идентификатор ресурса) : http://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Razrabotka-avtomatizirovannoi-sistemy-diagnostiki-raka-molochnoi-zhelezy-na-osnove-modeli-mashinnogo-obucheniya-111182
Другие идентификаторы : RU\НТБ СГАУ\ВКР20240725132358
Ключевые слова: деревья решений
диагностика рака молочной железы
задача классификации
машинное обучение
обучение с учителем
рак молочной железы
регрессия
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.