Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Machine Learning: Multi-site Evidence-Based Best Practice Discovery Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Learning Optimal Decision Lists as a Metaheuristic Search for Diagnosis of Parkinson’s Disease

verfasst von : Fernando de Carvalho Gomes, José Gilvan Rodrigues Maia

Erschienen in: Machine Learning, Optimization, and Big Data

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Decision Lists are a very general model representation. In learning decision structures from medical datasets one needs a simple understandable model. Such a model should correctly classify unknown cases. One must search for the most general decision structure using the training dataset as input, taking into account both complexity and goodness-of-fit of the underlying model. In this paper, we propose to search the Decision List state space as an optimization problem using a metaheuristic. We implemented the method and carried out experimentation over a well-known Parkinson’s Disease training set. Our results are encouraging when compared to other machine learning references on the same dataset.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Bayesian Network Profiler for Wildfire Arsonists
Nächstes Kapitel Hermes: A Distributed-Messaging Tool for NLP
Literatur
1.
Jordan, M.I., Mitchell, T.M.: Machine learning: trends, perspectives, and prospects. Science 349(6245), 255–260 (2015)MathSciNetCrossRef
2.
3.
4.
5.
de Campos, L.M., Fernandez-Luna, J.M., Gamez, J.A., Puerta, J.M.: Ant colony optmization for learning Bayesian networks. Int. J. Approx. Reason. 31, 291–311 (2002). ElsevierCrossRefMATH
6.
Khan, K., Sahai, A.: A comparison of BA, GA, PSO, BP, and LM for training feed forward neural networks in e-Learning context. Int. J. Intell. Syst. Appl. 7, 23–29 (2012). MECS Press
7.
Bosman, P.A.N., LaPutré, H.: Learning and anticipation in online dynamic optimization with evolutionary algorithms: the stochastic case. In: Genetic and Evolutionary Computation Conference, London (2007)
8.
Marchand, M., Sokolova, M.: Learning with decision lists of data-dependent features. J. Mach. Learn. Res. 6, 427–451 (2005)MathSciNetMATH
9.
Franco, M.A., Krasnogor, N., Bacardit, J.: Post-processing operators for decision lists. In: GECCO 2012, Philadelphia (2012)
10.
Boström, H.: Covering vs. divide-and-conquer for top-down induction of logic programs. In: Proceedings of the 14th International Joint Conference on Artificial Intelligence (IJCAI-1995), Montreal, Canada, pp. 1194–1200 (1995)
11.
12.
Nock, R., Gascuel, O.: On learning decision committes. In: Proceedings of the Twelfth International Conference on Machine Learning (2016)
13.
Martí, R., Resende, M.G.C., Ribeiro, C.C.: Multi-start methods for combinatorial optimization. Eur. J. Oper. Res. 226(1), 1–8 (2013)MathSciNetCrossRefMATH
14.
Shiek, A., Winkins, S., Fatouros, D.: Metallomic profiling and linkage map analysis of early Parkinson’s disease: a new insight to aluminum marker for the possible diagnosis. PLoS ONE 5, 6 (2010)
15.
Little, M.A., McSharry, P.E., Roberts, S.J., Costello, D.A.E., Moroz, I.M.: Exploiting nonlinear recurrence and fractal scaling properties for voice disorder detection. BioMed. Eng. OnLine, 6–23 (2007)
16.
Little, M.A., McSharry, P.E., Hunter, E.J., Spielman, J.: Suitability of dysphonia measurements for telemonitoring of Parkinson’s disease. IEEE Trans. Biomed. Eng. 56(4), 1015–1022 (2008)CrossRef
17.
Das, R.: A comparison of multiple classification methods for diagnosis of Parkinson’s Disease. Expert Syst. Appl. 37, 1568–1572 (2010)CrossRef
18.
Singh, N., Pillay, V., Choonara, Y.E.: Advances in the treatment of Parkinson’s Disease. Prog. Neurobiol. 81, 29–44 (2007)CrossRef
19.
Astrom, F., Koker, R.: A parallel neural network approach to prediction of Parkinson’s Disease. ESWA 38(10), 12470–12474 (2011)
20.
Sharma, A., Giri, R.N.: Automatic recognition of Parkinson’s Disease via artificial neural network and support vector machine. Int. J. Innov. Technol. Explor. Eng. 4(3), 35–41 (2014)
21.
Avci, D., Dogantekin, A.: An expert diagnosis system for parkinson disease based on genetic algorithm-wavelet kernel-extreme learning machine. Parkinson’s Dis. (2016). Article ID 5264743
22.
Shreiner, D., Sellers, G., Kessenich, J.M., Licea-Kane, B.: OpenGL Programming Guide: The Official Guide to Learning OpenGL, Version 4.3. Addison-Wesley, Boston (2013)
Metadaten
Titel
Learning Optimal Decision Lists as a Metaheuristic Search for Diagnosis of Parkinson’s Disease
verfasst von
Fernando de Carvalho Gomes
José Gilvan Rodrigues Maia
Copyright-Jahr
2016
Buch
Machine Learning, Optimization, and Big Data

Print ISBN: 978-3-319-51468-0

Electronic ISBN: 978-3-319-51469-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-51469-7_32

Premium Partner

    Bildnachweise