ارزیابی کارایی تکنیک های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی
محل انتشار: سومین کنفرانس ملی ایده های نوین در فنی و مهندسی
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 643
فایل این مقاله در 8 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:
INFM03_016
تاریخ نمایه سازی: 16 شهریور 1398
چکیده مقاله:
بیماری قلبی ممکن است یکی از دلایل اصلی مرگ باشد. به علت فقدان دانش و تجربیات متخصصان در مورد علائم نارسایی قلب برایپیش بینی اولیه این بیماری، کار آسان برای تشخیص بیماری نیست. درنتیجه، پیش بینی مبتنی بر رایانه؛ مبتلایان به بیماری قلبی میتواندنقش مهمی را در تشخیص پیش از مرحله برای انجام اقدامات مناسب با توجه به بهبودی بیماران بازی کند. بااینحال، انتخاب روش طبقه بندیمناسب داده کاوی می تواند به طور موثر پیش بینی مرحله اولیه بیماری را برای بازگشت از آن به همراه داشته باشد. در این مقاله، سه تکنیک طبقه بندی استفاده شده غالب از قبیل ماشین بردار پشتیبانی (SVM)، نزدیک ترین همسایه (K(KNN و شبکه عصبی مصنوعی (ANN) راموردبررسی قرار میدهیم، با توجه به ارزیابی آنها برای پیش بینی بیماری های قلبی با استفاده از مجموعه داده های بیماری کلیوی استاندارد موردمطالعه قرارگرفته است.. نتایج تجربی نشان میدهد که دقت طبقه بندی با استفاده از SVM (85.1852%) بهتر از استفاده از KNN (82336%) و ANN (73.3333%) است.
کلیدواژه ها:
نویسندگان
پریسا دانشجو
دانشگاه آزاد اسلامی واحد تهران غرب ، تهران
حسن علیمحمدی
دانشگاه آزاد اسلامی واحد تهران غرب ، تهران