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

به کار گیری مدل درخت خطی محلی در پیش بینی بیماران دیابتی

سال انتشار: 1392
کد COI مقاله: CESD01_120
زبان مقاله: فارسیمشاهده این مقاله: 498
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله به کار گیری مدل درخت خطی محلی در پیش بینی بیماران دیابتی

زهرا نعیمی - دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران
مریم خادمی - استادیار دانشکده علوم پایه دانشگاه آزاد اسلامی واحد تهران جنوب تهران
میرمحسن پدرام - استادیار دانشکده فنی و مهندسی، دانشگاه خوارزمی، کرج

چکیده مقاله:

دیابت یک بیماری خاموش، مزمن، ناتوان کننده و پرهزینه است و مخاطرات جدی را برای خانوادهها و جامعه به همراه دارد. از طرفی با توجه به هزینه های بالایی که این بیماری و عوارض ناشی از آن بر بیمار، خانوادهی آنها و سازمانهای درمانی که مسئولیت درمان و پشتیبانی این بیماران را برعهده دارند تحمیل می نماید، تشخیص بیماری در مراحل اولیه کار میتواند سبب کاهش هزینه های درمان و جلوگیری از عوارض جبران ناپذیر این بیماری گردد. در تشخیص بیماران دیابتی، فاکتورهای مختلفی درگیر است که نیازمند طراحی یک مدل پیشبینی دقیق برای تعیین درست افراد مبتلا به این بیماری است. در این مقاله، با استفاده از مدل عصبی فازی مدل درخت خطی محلی - LOLIMOT به پیشبینی تعداد افراد مبتلا به بیماری دیابت در پایگاه اطلاعاتی که از یکی از بیمارستان های شیراز تهیه گردیده است، پرداختیم. در این راستا ابتدا داده های خام را پس از بررسی اولیه مورد پیش پردازش قرار دادیم و سپس با استفاده از الگوریتم LOLIMOT تعداد افراد مبتلا به بیماری دیابت را پیش بینی نمودیم. نتایج تجربی دقت 100 %را برای داده های موجود نشان داده است.

کلیدواژه ها:

بیماران دیابتی، پیشبینی، عصبی فازی، - LOLIMOT (Local Linear model Tree)

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CESD01_120 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/238947/

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:
نعیمی، زهرا و خادمی، مریم و پدرام، میرمحسن،1392،به کار گیری مدل درخت خطی محلی در پیش بینی بیماران دیابتی،همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها،مشهد،https://civilica.com/doc/238947

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: (1392، نعیمی، زهرا؛ مریم خادمی و میرمحسن پدرام)
برای بار دوم به بعد: (1392، نعیمی؛ خادمی و پدرام)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • _ _ باقیانی مقدم" بررسی کارآیی مدل بزنف در کنترل ...
  • _ .غضنفری وس .علیزاده و ب .تیمورپور ده کاوی و ...
  • K. LaTour and S. Eichenwald, Health Information Management: Concepts, Principles, ...
  • J. L. Breault and , R. Goodall, "Data mining a ...
  • R. Canlas, "Data Mining in Healthcar. Current Applications and Issues, ...
  • C. R. G. J. F. Joseph L. Breault, "Data mining ...
  • E. Georga, V. Protopappas, M. Teresa and D Ardigo, "Data ...
  • 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: دانشگاه آزاد
    تعداد مقالات: 10,051
    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 پیشنهادی مرتبط

    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