論文の概要: Classification Based on Association Rules Algorithm for Breast Cancer

• arxiv url: http://arxiv.org/abs/2610.00174v1
• Date: Wed, 16 Sep 2026 11:39:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.389203
• Title: Classification Based on Association Rules Algorithm for Breast Cancer
• Title（参考訳）: 乳癌のアソシエーションルールアルゴリズムに基づく分類
• Abstract要約: 本稿では,重み付け分類に基づく乳がん分類のための新しいアソシエーションルールに基づくデータマイニング手法を提案する。 この実装では、ルール生成、ルールプルーニング、ルール予測という3つのコアアルゴリズムが採用されている。
• 参考スコア（独自算出の注目度）: 0.47248250311484113
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is a significant contributor to female mortality across the world, displaying one of the highest oc currence rates among the various cancer types. In response to the need for early breast cancer detection, researchers have increasingly turned to association rule-based classification as a favored method. Association Rule mining is a data mining approach which offers the benefit of yielding results that are readily understandable for medical professionals. This paper introduces a novel association rule-based data mining technique for breast cancer classification based on a weighted classification approach. This implementation employs three core algorithms: Rule Generation, Rule Pruning, and Rule Prediction. Rule Generation identifies frequent itemsets and creates association rules. Rule Pruning eliminates rules using specific criteria and separates them into major and minor groups based on their influence on training data. Rule Prediction applies the pruned rules to classify test data. The final prediction algorithm was tested on several testing samples to show the feasibility and performance of the approach.
• Abstract（参考訳）: 乳がんは、世界中の女性の死亡率に重要な要因であり、様々な種類のがんの中で最も高いオクレンス率の1つを示している。 乳がんの早期発見の必要性に応えて、研究者は、関連ルールに基づく分類を好適な方法として扱うようになった。 アソシエーション・ルール・マイニング(アソシエーション・ルール・マイニング)は、医療専門家が容易に理解できる結果を得る利点を提供するデータマイニングの手法である。 本稿では,重み付け分類に基づく乳がん分類のための新しい相関ルールに基づくデータマイニング手法を提案する。 この実装では、ルール生成、ルールプルーニング、ルール予測という3つのコアアルゴリズムを採用している。 ルール生成は、頻繁なアイテムセットを特定し、アソシエーションルールを作成する。 ルールプルーニングは、特定の基準を使ってルールを排除し、トレーニングデータへの影響に基づいて、それらを主要なグループとマイナーグループに分けます。 ルール予測は、テストデータの分類にプルーニングされたルールを適用します。 最終的な予測アルゴリズムは、このアプローチの実現可能性と性能を示すために、いくつかのテストサンプルでテストされた。

関連論文リスト

• Adaptive Deep Learning for Multiclass Breast Cancer Classification via Misprediction Risk Analysis [0.8028869343053783]
  早期発見は患者の予後を改善するのに不可欠である。 コンピュータ支援診断アプローチは乳がんの検出を著しく向上させた。 しかし、これらの手法は多クラス分類の課題に直面し、しばしば誤予測を引き起こす。
  論文  参考訳（メタデータ） (2025-03-17T03:25:28Z)
• DIOR-ViT: Differential Ordinal Learning Vision Transformer for Cancer Classification in Pathology Images [4.2832657904981435]
  本稿では,2組のサンプル間の分類クラスラベルの差分を定義・学習する微分順序学習問題を提案する。 差分順序学習の導入により,がんの診断精度と信頼性が向上することが実証された。 提案手法は,クラスラベル間の順序関係が関係する他の疾患や問題にも適用すべきである。
  論文  参考訳（メタデータ） (2024-07-10T12:42:27Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
  胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。 我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。 このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
  論文  参考訳（メタデータ） (2022-08-29T04:34:15Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Towards Target Sequential Rules [52.4562332499155]
  ターゲット・シーケンシャル・ルール・マイニング(TaSRM)と呼ばれる効率的なアルゴリズムを提案する。 新たなアルゴリズムであるTaSRMとその変種は,既存のベースラインアルゴリズムと比較して実験性能がよいことを示す。
  論文  参考訳（メタデータ） (2022-06-09T18:59:54Z)
• Gene selection from microarray expression data: A Multi-objective PSO with adaptive K-nearest neighborhood [0.0]
  本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。 マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T04:22:10Z)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• Discovering Useful Compact Sets of Sequential Rules in a Long Sequence [57.684967309375274]
  COSSUは、小さな、意味のある一連の規則をマイニングするアルゴリズムである。 COSSUは、長いシーケンスから、関連するクローズド・シーケンシャル・ルールの集合を検索できることを示す。
  論文  参考訳（メタデータ） (2021-09-15T18:25:18Z)
• Rule Generation for Classification: Scalability, Interpretability, and Fairness [0.0]
  制約付き分類のためのルールベースの新しい最適化手法を提案する。 ルールにコスト係数を割り当て、追加制約を導入することにより、解釈可能性と公正性に対処する。 提案手法は,一方の局所的解釈可能性と他方の正当性,他方の精度との間に良好な妥協関係を示す。
  論文  参考訳（メタデータ） (2021-04-21T20:31:28Z)
• QCBA: Improving Rule Classifiers Learned from Quantitative Data by Recovering Information Lost by Discretisation [5.667821885065119]
  本稿では、離散化における損失情報を復元することを目的とした新しいルールチューニング手順と新しいプルーニング手法について述べる。 提案したQCBA法は,アソシエーション(CBA)アルゴリズムに基づく分類によって生成されたモデルの定量的属性を後処理するために開発された。 UCIリポジトリの22のデータセットのベンチマークでは、FOIL2+QCBAの7つのベースラインと比較して、サイズが小さく、全体的な最高の予測性能を示している。
  論文  参考訳（メタデータ） (2017-11-28T08:09:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。