Resumen

El diagnstico precoz del cncer de mama es un paso importante en la lucha contra la enfermedad. Las tcnicas de aprendizaje automtico han demostrado ser prometedoras para mejorar nuestra comprensin de la enfermedad. Como los conjuntos de datos mdicos consisten en puntos de datos que no pueden asignarse con precisin a una clase, los mtodos difusos han sido tiles para el estudio de estos conjuntos de datos. A veces, los conjuntos de datos sobre el cncer de mama se describen mediante caractersticas categricas. Se han desarrollado muchos algoritmos de agrupacin difusa para conjuntos de datos categricos. Sin embargo, en la mayora de estos mtodos se utiliza la distancia de Hamming para definir la distancia entre dos valores de caractersticas categricas. En este artculo, utilizamos una medida de distancia probabilstica para el clculo de la distancia entre un par de valores de caractersticas categricas. Los experimentos demuestran que la medida de distancia funciona mejor que la distancia Hamming para los datos de cncer de mama de Wisconsin.

• Materias:Enfermeras Método espectrofotométrico Estructuras biomecánicas Timpanoplastia Efecto antiplasmodial
• Subjects:Nurses Spectrophotometric method Biomechanical structures Tympanoplasty Antiplasmodial effect
• Palabras claves:Diagnóstico; Cáncer de mama; Aprendizaje automático; Métodos difusos; Características categóricas; Medida de distancia
• Keywords:Diagnosis; Breast cancer; Machine learning; Fuzzy methods; Categorical features; Distance measure