Método dos K-Vizinhos mais Próximos aplicado ao dignóstico de Alzheimer

Yuri Elias Rodrigues, Evandro Manica, Eduardo Rigon Zimmer, Pedro Rosa Neto, Tharick Ali Pascoal

Resumo


Neste trabalho implementamos o método dos K-Vizinhos mais Próximos (kVP), um classificador de padrões que classifica um padrão desconhecido a partir das distâncias relativas a um conjunto de treino, juntamente com a técnica SMOTE (Synthetic Minority Over-sampling Technique), que trata o inconveniente de dados desbalanceados para realizarmos a seleção de características do problema de aprendizagem supervisionada em dados de Alzheimer. Em nosso experimento utilizamos algoritmos indutivos para selecionar subconjuntos de variáveis mais efetivas na caracterização dos estágios da doença e validamos sua precisão com o método de 10-fold cross validation. Abordagem, características a serem analisadas.

Palavras-chave


Reconhecimento de Padrões, Seleção de Características, K-Vizinhos mais Próximos, Mal de Alzheimer, Aprendizagem Supervisionada, Dados Desbalanceados

Texto completo:

PDF


DOI: https://doi.org/10.5540/03.2015.003.02.0093

Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato