تشخیص بیماری دیابت با ترکیب NBTree و طبقه بندی ترکیبی با کمک الگوریتم کاهش ابعاد

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 572

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECCONF12_020

تاریخ نمایه سازی: 16 خرداد 1400

چکیده مقاله:

دیابت نوعی بیماری است که به دلیل افزایش سطح قند خون ایجاد میشود. دیابت را میتوان بیماری قرن نامید، زیرا بسیاری از مردم جهان به این بیماری مبتلا هستند یا در معرض خطر آن هستند. روشهای سنتی مختلف موجود برای تشخیص دیابت مبتنی بر آزمایشهای فیزیکی و شیمیایی است. این روشها به دلیل عدم قطعیتهای مختلف میتوانند دارای خطا باشند. الگوریتمهای اصلی مورد استفاده در این مقاله، ترکیب الگوریتم کاهش ابعاد و الگوریتم Nbtree میباشد. برای تشخیص میزان دقت بیماری دیابت یک مجموعه داده که شامل ۲۹ نمونه (بیمار) و ۲۰ ویژگی در آن بررسی شده است، را استفاده کردیم. برای پیاده سازی از ترکیب الگوریتم کاهش ابعاد (Pca) با الگوریتم Nbtree استفاده کردیم. الگوریتم Nbtree یکی از روشهای طبقه بندی است که ترکیبی از Naïve Bayes و الگوریتم درخت تصمیم است. خروجی به شکل یک درخت نشان داده می شود. این درخت بصورت بازگشتی ساخته شده است. اما،گره های برگ دسته بندی Naive Bayes هستند. با استفاده از ترکیب الگوریتم کاهش ابعاد و الگوریتم Nbtree توانستیم میزان دقت تشخیص بیماری دیابت را % ۷۹.۳۱۰۳ افزایش دهیم.

نویسندگان

اشرف بهاریانی پور

دانشجوی کارشناسی ارشد، مهندسی کامپیوتر، موسسه آموزش عالی دانا، یاسوج، ایران

کرم اله باقری فرد

استادیارگروه مهندسی کامپیوتر، دانشگاه آزاد یاسوج، یاسوج، ایران

بهمن روایی

استادیار گروه مهندسی کامپیوتر، دانشگاه یاسوج، یاسوج، ایران

فراز محمدیان

دانشجوی دکتری مهندسی کامپیوتر، دانشگاه آزاد یاسوج، یاسوج، ایران