مروری بر روش های پیش بینی دیابت نوع 2 مبتنی بر تئوری بیز

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,198

فایل این مقاله در 8 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:

NCCSE01_141

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

تشخیص زود هنگام یا در واقع پیش بینی دیابت در افرادی که زمینه ابتلا به این بیماری را دارند می تواند برای این افرادو همچنین جامعه بسیار مفید واقع شود. تئوری بیز روشی برای طبقه بندی پدیده ها، بر پایه احتمال وقوع یا عدم وقوع یکپدیده است و در نظریه احتمالات با اهمیت و پرکاربرد است. در پیش بینی های پزشکی هدف اصلی رسیدن به صحت پیش بینی بالاو ایجاد دیدی روشن از تعاملات میان داده ها در دامنه ی دانش می باشد. در این مقاله مزایا و معایب تکنیک های طبقه بندیمبتنی بر تئوری بیز بررسی شده و خصوصیات آن ها با یکدیگر مقایسه می شوند. با توجه به مطالعات انجام شده به این نتیجه میرسیم که شبکه بیزین دارای صحت و قدرت زیادی در ترسیم دامنه دانش است، بنابراین می توان از این طبقه بند برای پیش بینیبیماری دیابت نوع 2 استفاده کرد.

کلیدواژه ها:

پیش بینی بیماری دیابت ، تئوری بیز ، طبقه بند بیزین ساده ، طبقه بند شبکه بیزین

نویسندگان

گلناز علم آموز

دانشگاه آزاد اسلامی واحد نجف آباد دانشکده مهندسی کامپیوتر

محمدحسین ندیمی

دانشگاه آزاد اسلامی واحد نجف آباد دانشکده مهندسی کامپیوتر

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 :
  • _ _ _ of Diabetes _ mining approach which _ ...
  • Friedman Ni., Geiger Dan., Goldszmidt Moises., Bayesian network classifier, Machine ...
  • Pearl Judea.. probabilistic reasoning in intelligent systems : networks of ...
  • SI Shu-bin., LIU Guan-min. CAI Zhi-qiang., XIA Peng., Using Bayesian ...
  • Lucas peter J.F., Boot Henk., Taal Babs., A decis ion-theoric ...
  • Cooper G., Herskovits E., A Bayesian method for the induction ...
  • 1. Tsamardinos Loannis., Brown Laura E., Aliferis Constantin F., The ...
  • Khanteymoori A.R., Homayounpour M.M., Menhaj M.B., A4 Bayesian network based ...
  • Madden Michael G., On the classification performance of TAN and ...
  • Yang Yan-Ping., A consistency contribution based Bayesian network model for ...
  • Ouali Abdelaziz., Ramdane Cherif Amar., Krebs Marie-Odile., Data mining based ...
  • Verduijin Marion., Peek Niels., Rosseel Peter, Jonge Ever., Mol Bas ...
  • نمایش کامل مراجع