پروژه تشخیص توانبخشی صدای LSVT با استفاده از الگوریتم بگینگ (BAGGING) در وکا
پروژه تشخیص توانبخشی صدای LSVT با استفاده از الگوریتم بگینگ (BAGGING) در وکا:
این پروژه به تشخیص توانبخشی صدای LSVT با استفاده از الگوریتم بگینگ (BAGGING) در نرم افزار داده کاوی وکا می پردازد. الگوریتم یادگیری بگینگ (BAGGING) یکی از پرکاربرد ترین الگوریتم های داده کاوی است که درزمینه طبقه بندی، تشخیص و غیره در حوزه های مختلف داده های ازجمله توانبخشی صدای LSVT کاربردهای فراوانی دارد. در این پروژه نیز از الگوریتم بگینگ (BAGGING) برای تشخیص توانبخشی صدای LSVT استفاده شده است.
در این پروژه، روش مدل سازی در وکا ازطریق محیط Knowledge Flow صورت گرفته است. کلیه کنترل های استفاده شده در مدلسازی وکا به صورت فیلم تهیه شده ودر اختیار شما قرار میگیرد. نحوی مدلسازی توانبخشی صدای LSVT درنرم افزار weka بدین صورت است که:
- ابتدا دیتاست مربوطه به صورت ARFF به نرم افزار وکا از طریق کنترل ARFF Loader بارگذاری میگردد.
- مرحله بعد میبایست ویژگی هدف که همان ویژگی کلاس یاLabel است را انتخاب نمود. این فرآیند ازطریق کنترل ClassAsigner انجام میشود.
- سپس میبایست نحوه انتخاب داده های Test وداده هایTrain را تعیین نمود. دراین مدل سازی از نحوه ی نمونه گیری CrossValidationFoldMaster استفاده میگردد. بدین منظورکنترل CrossValidationFoldMaster را به صفحه اضافه نموده وخروجی کنترل ClassAsigner رابه ورودی این کنترل وصل میکنیم.
- در مرحله بعد میبایست خروجی این کنترل به الگوریتم بگینگ (BAGGING) وصل گردد. بدین منظور ازتب Classifier الگوریتم بگینگ (BAGGING) را انتخاب نموده و به صفحه اضافه میکنیم. پس از آن نیز داده های آموزشی وآزمایشی را بصورت مجزا به الگوریتم بگینگ (BAGGING) ایمپورت می گردد.
- درمرحله بعد باید عملکرد الگوریتم بگینگ (BAGGING) را ارزیابی نمود. بدین منظور میبایست کنترلClassifier Performance Evaluator را به مدل اضافه نموده وخروجی الگوریتم را به آن متصل کنیم.
- درمرحله آخر یک کنترل Text viewer رابه مدل اضافه میکنیم تا نتایج را بصورت متنی نمایش دهد.
بنابراین در قالب ۶ مرحله فرآیند تشخیص توانبخشی صدای LSVT باکمک الگوریتم بگینگ (BAGGING) انجام شده است. لازم به ذکراست که همراه این مدلسازی یک فیلم از نمونه مدلسازی ویک داکیومنت کامل از مراحل طبقه بندی پس از خرید تحویل میگردد.
امکانات پروژه تشخیص توانبخشی صدای LSVT:
- امکان دانلود اصل مدل تهیه شده با نرم افزار داده کاوی وکا
- تحویل فیلم ازنحوه مدلسازی با وکا
- تحویل داکیومنت از مراحل انجام شبیه سازی
- تحویل خروجی های تولید شده از مدل سازی در قالب شکل
توجه:
جهت سفارش پروژه دیگر با سایر الگوریتم ها و سایر ابزار های داده کاوی مثل Weka, SPSS Modeler, Matlab,… بر روی سایر دیتاست ها کافیست با پشتیبانی سایت از طریق راه های ارتباطی(ایمیل، تلگرام، واتساپ) تماس حاصل نموده و سفارش خود را ثبت نمایید.
- لینک دانلود فایل بلافاصله پس از پرداخت وجه نمایش داده می شود.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید کافیست به ایمیل سایت درخواستتان را ارسال نمایید.
- حدود 90% از پروژه ها دارای داکیومنت و فیلم آموزشی می باشند.