رویکرد ماشین بردار پشتیبان تطبیقی جهت تشخیص بیماری دیابت نوع دو

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAUFASA02_281

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

دیابت یک بیماری مزمن و ازچالش های بهداشت عمومی در سراسر جهان است. با توجه به نظریه فدراسیون بین المللی دیابت انتظار می رود تعداد افراد مبتلا به بیماری دیابت در سال 2025 به 380 میلیون نفر برسد. علاوه بر این، در هر سال3/8میلیون مورد مرگ منتسب به عوارض دیابت می باشد. نشان داده شده که از 80 درصد از عوارض دیابت نوع دو می توان جلوگیری کرد و یا با شناسایی زودرس افراد در معرض خطر آن را به تاخیر انداخت. در این زمینه، روش های داده کاوی و یادگیری ماشین برای تشخیص، پیش بینی و درمان دیابت استفاده شده است. در این مقاله به معرفیبرترین الگوریتم از میان روش های داده کاوی در زمینه تشخیص بیماری دیابت یعنی ماشین بردار پشتیبان می پردازیم. نتایج نشان داده که از میان الگوریتم های بردار پشتیبان روش بردار پشتیبان تطبیقی با دقت بالاتری بیماری دیابت را تشخیص می دهد

نویسندگان

ماهرخ انصاری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

سعیده بارانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

منصور امینی لاری

عضو هیات علمی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

پیروز شمسی نژاد

استاد گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

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 :
  • AKAY, M.F, Support vector machines combined with feature selection for ...
  • N ARAYAN ASWAMY, R. SAMIKANNU, SVM ranking with backward search ...
  • BARAKAT, A.P. BRADLEY, M.N. BARAKAT, Intelligible support vector machines for ...
  • CHEN, Z., J. LI, L. WEI , A multiple kernel ...
  • SAITI, F., et al.Thyroid disease diagnosis based on genetic algorithms ...
  • JANGHEL, R.R., A. SHUKLA, R. TIWARI, R. KALA, Breast CaI1Cer ...
  • LUO, Z., X. WU, S. GUO, B. YE, Diagnosis of ...
  • LUO, Z., X. WU, S. GUO, B. YE, Diagnosis of ...
  • POLAT, K., S. _ Breast Ca1Cer diagnosis using least square ...
  • POLAT, K., S. _ An expert system approach based on ...
  • PURNAMI, S.W., S.P. RAHAYU, A. EMBONG, Feature selection and clas ...
  • ROUHANI, K. MANSOURI, Comparison of several ANN architectures O1 the ...
  • STOEAN, R., et al.، Evolutionary support vector machines for diabetes ...
  • jBEYLI, E.D., Implementing automated diagnostic systems for breast CaI1Cer detection, ...
  • YUE, C., L. XIN, X. KEWEN, S. CHANG, An intelligent ...
  • V. Anuja Kumari, R.Chitra, Clas sification Of Diabetes Disease Using ...
  • DUDA, R.O., P.E. HART, D.G. STORK, Pattern classification, Wiley- Interscience ...
  • Girbiz, E.Klc, A new adaptive support vector ...
  • machine for diagnosis of diseases, Signal Processing Automation, June 20-23, ...
  • نمایش کامل مراجع