ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص بیماری پارکینسون با استفاده از داده های نا متوازن و الگوریتم های داده کاوی

تعداد صفحات: 8 | تعداد نمایش خلاصه: 0 | نظرات: 0
سال انتشار: 1399
کد COI مقاله: EISTC05_007
زبان مقاله: فارسی
(فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص بیماری پارکینسون با استفاده از داده های نا متوازن و الگوریتم های داده کاوی

ناهید شمس - دانشجوي کارشناسی ارشد مهندسی کامپیوتر- گرایش نرم افزار، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران
تورج بنی رستم - استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران

چکیده مقاله:

بیماري پارکینسون یکی از بیماري هاي شایع درجهان بوده که اگر به موقع تشخیص داده نشود باعث لرزش در تمام اندام هاي می شود. با توجه به اینکه بیماري پارکینسون از رایج ترین بیماري هاي مغز و اعصاب می باشد، ارائه رو شی ساده و کم هزینه براي تشخیص صحیح آن از اهمیت بالایی برخوردار است. بطور کلی ترکیب طبقه بندها یک زمینه تحقیقاتی جدید در مبحث یادگیري ماشین و تشخیص الگو می باشد. روش هاي ترکیبی به این صورت است که مجموعه اي از طبقه بندها را با داده هاي آموزشی ایجاد کرده و میزان صحت را با انجام عملیات راي گیري بر روي نتایج آنها بدست می آورند. از طرفی با وجود داده هاي نامتوازن و یادگیري در مجموعه داده هاي نامتوازن جایی که نمونه هاي طبقه اکثریت خیلی بیشتر از بقیه است، چالش مهمی در یادگیري ماشین است زیرا الگورتیم هاي قدیمی یادگیري ماشین، ممکن است به سمت طبقه اکثریت متمایل شوند و این مسئله صحت پیش بینی را در طبقه اقلیت پایین می آورد. در این مقاله روش زیرنمونه برداري تصادفی را بعد از مقایسه آن با روش هاي دیگر نمونه برداري مانند بیش نمونه برداي تصادفی و EasyEnsemble و ModifiedBagging، براي نمونه برداري مجموعه آموزش استفاده شد و سپس نتایج را با معیارهاي Recall و Precision و معیار F و معیار G ارزیابی نموده تا توان پیش بینی طبقه بندها در مقابل داده هاي نامتوازن افزایش پیدا کند. در این مقاله روشی را بر مبناي استخراج ویژگی بر مبناي طبقه بند ترکیبی شد تا داده هاي آموزش را براي طبقه بند پایه ایجاد شود.

کلیدواژه ها:

داده کاوي، بیماري پارکینسون، طبقه بند، ماشین بردار پشتیبان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1115752/

کد COI مقاله: EISTC05_007

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شمس، ناهید و بنی رستم، تورج،1399،تشخیص بیماری پارکینسون با استفاده از داده های نا متوازن و الگوریتم های داده کاوی،پنجمین کنفرانس بین المللی راهکارهای نوین در مهندسی، علوم اطلاعات و فناوری در قرن پیش رو،،،https://civilica.com/doc/1115752

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، شمس، ناهید؛ تورج بنی رستم)
برای بار دوم به بعد: (1399، شمس؛ بنی رستم)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی