인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
The rapid evolution of rough-set theory has prompted the need for enhanced methodologies in medical diagnostics, particularly regarding COVID-19 variant detection. This study introduces refined mathematical techniques based on topological structures (called nearly initial-rough sets) derived directly from initial-rough sets. Four categories of rough-set methodologies are presented, demonstrating heightened accuracy through comprehensive comparisons against existing methods. By leveraging these techniques, a rule-based classification system for COVID-19 variants is established, achieving 100 % accuracy measures through rigorous testing against real-world and computer-generated data. The implications of these advancements in medical diagnosis hold promise for future research, offering accessible and precise tools for variant identification and prediction. Using a medical application as a case study, we demonstrate superiority through comparative analyses, aligning mathematical results with medical data and showcasing the potential for broader applications beyond experts in topology. Furthermore, the study outlines an algorithm simplifying implementation, particularly in MATLAB, and suggests future explorations in medical, economic, and diverse theoretical frameworks to enhance applicability.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
