Research of neural network classifier based on FCM and PSO for breast cancer classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F12%3A86092953" target="_blank" >RIV/61989100:27240/12:86092953 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-28942-2_58" target="_blank" >http://dx.doi.org/10.1007/978-3-642-28942-2_58</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-28942-2_58" target="_blank" >10.1007/978-3-642-28942-2_58</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Research of neural network classifier based on FCM and PSO for breast cancer classification

Popis výsledku v původním jazyce

Breast cancer is one of the most common tumors related to death in women in many countries. In this paper, a novel neural network classification model is developed. The proposed model uses floating centroids method and particle swarm optimization algorithm with inertia weight as optimizer to improve the performance of neural network classifier. Wisconsin breast cancer datasets in UCI Machine Learning Repository are tested with neural network classifier of the proposed method. Experimental results show that the developed model improves search convergence and performance. The accuracy of classification of benign and malignant tumors could be improved by the developed method compared with other classification techniques. 2012 Springer-Verlag.

Název v anglickém jazyce

Research of neural network classifier based on FCM and PSO for breast cancer classification

Popis výsledku anglicky

Breast cancer is one of the most common tumors related to death in women in many countries. In this paper, a novel neural network classification model is developed. The proposed model uses floating centroids method and particle swarm optimization algorithm with inertia weight as optimizer to improve the performance of neural network classifier. Wisconsin breast cancer datasets in UCI Machine Learning Repository are tested with neural network classifier of the proposed method. Experimental results show that the developed model improves search convergence and performance. The accuracy of classification of benign and malignant tumors could be improved by the developed method compared with other classification techniques. 2012 Springer-Verlag.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Computer Science. Volume 7208

ISBN

978-3-642-28941-5

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

647-654

Název nakladatele

Springer Heidelberg

Místo vydání

Berlín

Místo konání akce

Salamanca

Datum konání akce

28. 3. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—