ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

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

سال انتشار: 1400
کد COI مقاله: CECCONF12_020
زبان مقاله: فارسیمشاهده این مقاله: 104
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

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

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.

کلیدواژه ها:

بیماری دیابت ، طبقه بندی، الگوریتم کاهش بعد، الگوریتم .Nbtree

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CECCONF12_020 میباشد و 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/1224661/

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:
بهاریانی پور، اشرف و باقری فرد، کرم اله و روایی، بهمن و محمدیان، فراز،1400،تشخیص بیماری دیابت با ترکیب NBTree و طبقه بندی ترکیبی با کمک الگوریتم کاهش ابعاد،دوازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل،https://civilica.com/doc/1224661

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: (1400، بهاریانی پور، اشرف؛ کرم اله باقری فرد و بهمن روایی و فراز محمدیان)
برای بار دوم به بعد: (1400، بهاریانی پور؛ باقری فرد و روایی و محمدیان)
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 | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 38
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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