چکیده |
این پژوهش الگوریتمی جهت تحلیل وبازشناسایی الگوهای دادههای زمانی-مکانی ارائه میدهد. از نتایج این پژوهش میتوان در کاربردهای پزشکی همچون تشخیص بیماریهایی چون اوتیسم استفاده کر. یکی از نکات اساسی که در این پژوهش به آن پرداخته شده است طراحی طبقهبندی کننده با استفاده از تعداد ویژگیهای محدود میباشد. از آنجایی که در برخی از کاربردها به خصوص در کاربردهای پزشکی که جمعآوری داده در حجم زیاد، بسیار دشوار است برای آنکه طبقهبندی کننده دچار پدیده پارامترزدگی نشده و بتواند به خوبی آموزش ببیند، کاهش ابعاد بردار ویژگی الزامی است. به همین سبب بر آن شدیم تا با استفاده و ارائه الگوریتمهایی جهت کاهش ابعاد بردار ویژگی و بررسی کارایی هر کدام از آنها توسط معیارهای ارزیابی و اعتبارسنجی، به بهترین روش جهت پالایش ویژگیها و در نهایت طراحی طبقهبندی کننده کاراتر با نرخ طبقهبندی درست بیشتر، دستیابیم. ویژگیهای انتخاب شده در بردار ویژگی مناسب برای شناسایی حرکات تکراری و متناوب در حرکت بوده، و مجموعاٌ متشکل از 44 ویژگی میباشد. برای ساخت پایگاهداده مورد نیازبرای آزمودن الگوریتمهای ارائه شده از دادههای مربوط به کودکان مبتلا به اوتیسم و کودکانی که مبتلا به این بیماری نیستند، هنگام بازی با یک اسباببازی هوشمند استفاده شده است. برای جمعآوری دادههای ذکر شده از شتابسنج لحظهای که در دسته Wii ساخت شرکت نینتندو جاسازی شده است، استفاده میشود. به این ترتیب هنگام بازی با اسباببازی دادههای مربوط به شتاب ماشین اسباببازی در راستای سه محور مختصات به کامپیوترمنتقل میگردد. پس از پیشپردازشهای مورد نیاز برروی دادههای خام، نوبت به استخراج ویژگی از آن دادهها میرسد. در خاتمه توانستیم در بهترین حالت با استفاده از الگوریتم انتخاب ویژگی پیشرونده و با استفاده از طبقهبندی کننده SVM با هسته چندجملهای درجه 5 با نرخ طبقهبندی درست 87 درصد به طبقهبندی دادههای ذکر شده و غربالگری کودکان مبتلا به اوتیسم بپردازیم.
|