بررسی مقایسه ای تکنیک های داده کاوی در پیش بینی بیماری قلبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 641
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST02_006
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
سیستم های هوشمندی ابداع کرد که به شکل خودکار و بدون نیاز به نظارت پزشک قادر به فهم و تفسیر ویژگی های پزشکی افراد باشند یا اطلاعات مفیدی را اکتشاف کنند که متخصصان را در قضاوت صحیح یاری رساند. در ادبیات داده کاوی در پزشکی تا کنون مجموعه بسیار متنوعی از روش ها ارایه شده است که هر یک دارای نقاط ضعف و قدرت به خصوصی بوده که عملکرد آن بسته به نوع داده و شرایط حاکم بر مساله متفاوت است. هدف از این مقاله گزارش یک پروژه تحقیقاتی به منظور جمع بندی چندین مقاله از سه مجموعه داده که از الگوریتم های مختلف داده کاوی استفاده کرده اند جهت انتخاب دقیق ترین مدل برای پیش بینی بیماریقلبی و در انتها بهترین الگوریتم انتخاب می شود . نتایج نشان می دهد در دو مجموعه داده کلیولند و قلب و عروق کلمبیا شبکه عصبی بالاترین دقت را داشته است و در مجموعهAndhra pradeshنیز الگوریتم ترکیبی ژنتیک و نزدیکترین همسایه بالاترین دقت اطمینان را داشته است . الگوریتم های درخت تصمیم گیری و بیز ساده نیز دقت قابل قبولی در پیش بینی بیماران قلبی داشته اند.
نویسندگان
میلاد رییسی یکتا
گروه مهندسی کامپیوتر ، واحد نیشابور، دانشگاه آزاد علوم و تحقیقات ، نیشابور ، ایران
رضا قائمی
گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :