مقایسه الگوریتم های هوشمنددر شناسایی بیماری دیابت

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,079

فایل این مقاله در 5 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:

NCSCIT02_057

تاریخ نمایه سازی: 17 اردیبهشت 1391

چکیده مقاله:

یکی از مشکلاتی کهدرحال حاضر بیماران دیابتی با آن روبرو هستند ضعف درتشخیص این بیمار یدر مراحل ابتدایی آن می باشد به همین منظور دراین مقاله سعی شده است با استفاده از برخی الگوریتم های هوشمند که عبارتنداز random,C4.5 , Naïve bayse , SVM,forest و همچنین ترکیب این الگوریتم ها با دسته بندی کننده تجمعی Bagging و استفاده از 8 ویژگی به همراه نمونه ها درپایگاه داده استاندارد که هریک بازگوکننده افراد سالم و مبتلا به بیماری دیابت می باشند به تشخیص وجود یا عدم وجود بیماری دیابت با توجه به معیارهای دقت و سرعت عمل الگوریتم های هوشمند در تشخیص این بیماری خواهیم پرداخت

نویسندگان

مهدی صادق زاده

گروه کامپیوتر عضو هیئت علمی دانشگاه آزاد اسلامی واحد ماهشهر

امین عشیر

گروه کامپیوتر دانشجوی آزاد اسلامی واحد دزفول

فراز فروتن

عضو هیئت علمی دانشگاه آزاد دزفول

مرضیه سیفی پور

گروه کامپیوتر دانشجوی آزاد اسلامی واحد نجف آباد

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 :
  • Wlodzislaw Duch and Rafal Adamczak and Krzysztof new Methodology of ...
  • http :/www.uci.org [5] _ آبان 1390 ...
  • http ://www .cs.waikato .ac.nz/-ml/weka [8] آبان 1390 ...
  • Jihoon Yang and Vasant Honavar, :Feature Subset Selection using a ...
  • Jiun-Hung Chen and Chu-song Chen, "Fuzzy Kernel perceptron", IEEE, November ...
  • _ _ _ Reformulated Radial Basis Function Neural Network", IEEE, ...
  • _ Vapnik V., Statistical Learning Theory, John Wiley & Sons, ...
  • نمایش کامل مراجع