مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 812
فایل این مقاله در 14 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:
ITCC03_217
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
دنیای پزشکی نیاز به یک روش پیش بینی قابل اطمینان برای تشخیص بسیاری از بیماری ها از جمله دیابت دارد. بندرعباس،واقع در جنوب کشور ایران، دارای حجم بالایی از بیماران دیابتی می باشد. داده های بیماران دیابتی بیمارستان امام رضا شهربندرعباس به عنوان مجموعه داده اصلی این تحقیق به منظور آنالیز و استخراج الگوهای پنهان مورد استفاده قرار گرفته است.تشخیص دیابت با استفاده از 7 مشخصه ی مشترک شامل: 1. جنسیت 2. سن 3. کلسترول 4. تری گلیسیرید 5. قند خونناشتا 6. قند 2 ساعت بعد از غذا 7. کلاس (بیمار یا سالم) از مجموعه داده های موجود انجام شده است. ما از تکنیک هایداده کاوی برای طبقه بندی کارآمد داده های دیابتی استفاده کردیم. در این تحقیق به مقایسه ی الگوریتم های ماشین بردارپشتیبان ، رگرسیون لجستیک، شبکه های عصبی، و Bagging پرداخته ایم. این تکنیک های داده کاوی از لحاظ دقت،صحت و حساسیت مورد ارزیابی قرار گرفتند که الگوریتم Bagging با دقت 98.19%، صحت 100 % و حساسیت 93%بهترین مدل طبقه بندی شناخته شد.
نویسندگان
سیما بداقی
کارشناسی ارشد مهندسی کامپیوتر_نرم افزار، دانشگاه آزاد اسلامی واحد بندرعباس
امید روزمند
دانشگاه آزاد اسلامی واحد بندرعباس
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 :