غربالگری بیماران دیابتی نوع دوم با استفاده از یک مدل ترکیبی بیزی انعطاف پذیر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 828

فایل این مقاله در 7 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:

ICIKT07_178

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

در این پژوهش از ترکیب دو روش خوشه بندی چند میانگینی و دسته بندی بیزی انعطاف پذیر به منظور توسعه مدل غربالگری بیماران دیابتی نوع دوم بهره گرفته شده است. در این روش ابتدا داده های آموزشی با استفاده از الگوریتم چند میانگینی، خوشه بندی می شوند. در این مرحله با شناسایی نمونه هایی که در خوشه های اشتباه قرار گرفته اند، داده های نویزی و استثنایی از مجموعه آموزشی حذف می شوند. به عبارت دیگر ایده اصلی این روش، استفاده از نمونه های برچسب دار با اعتبار بالاتر است. این فرایند مانع از رخداد پدیده تطبیق بیش از حد در امر آموزش دسته بندی به وسیله پژوهشگران مختلفی بر روی این داده ها اعمال شده اند تا بهترین الگوریتم با بالاترین کارایی شناسایی شود. محدوده دقت های به دست آمده در فاصله 59/4% تا 93/58% گزارش شده اند. با این حال مدل پیشنهادی این مقاله با استفاده از تکنیک اعتبارسنجی متقابل چندمرحله ای دقت دسته بندی 96/34% را به دست آورده است. همچنین برای ارزیابی مدل از معیارهای دیگری نظیر حساسیت، اختصاصی بودن و معیار آماری کاپا بهره گرفته شده است.

کلیدواژه ها:

بیماری دیابت ، مدل غربالگری ترکیبی ، دسته بند بیزی انعطاف پذیر ، الگوریتم خوشه بندی چند میانگینی ، اعتبارسنجی متقابل چند مرحله ای

نویسندگان

سید حسین سید ابراهیمی

گروه مهندسی برق، کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد ارومیه-ارومیه-ایران

جمشید باقرزاده

گروه مهندسی برق، کامپیوتر و فناوری اطلاعات، دانشگاه ارومیه، ایران

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 :
  • باقرزاده فریده، اخوان نیاکی تقی، " ارائه یک مدل ترکیبی ...
  • E. Mohamed, R. Linderm, "predicting type 2 diabetes using and ...
  • U. Acharya, P.H. Tan, K. Tamura, "Automated Identification of Diabetic ...
  • Using Wavelet Transform on Pedobarograph ", Journal of Medical Systems, ...
  • D. Gan, Diabetes Atlas Brussels, International Diabetes ed), ...
  • _ _ idf. _ _ _ _ 2013. ...
  • J.B. MacQueen, "Some Methods for Classification and Analysis of Multivariate ...
  • I. Zelic, I. Kononenko, "Induction of decision trees and Bayesian ...
  • G. John, P. Langley, "Estimating Continous Distributions in Bayesian Classifiers ...
  • G.A. Carpenter, N. Markuzon, "ARTMAP-IC and Medical Diagnosis: Instance Counting ...
  • J. Bioch, O. Meer and . Potharst, "Classification Using Bayesian ...
  • H. Kahramanli, N. Allahverdi, "Design of a Hybrid System for ...
  • J. Smith, JE. Everhart and Wc. Dickson, 1988, "Using the ...
  • K. Kayaer, T. Yildirim, "Medical Diagnosis on Pima Indian diabetes ...
  • B. Patil, R. Joshi and D Toshniwal, "Hybrid Prediction Model ...
  • D. Michie, D. Spiegelhalter and C.C. Taylor, "Machine ...
  • K. Polat, S. Gunes, "A Cascade Learning System for Classification ...
  • K. Polat, S. Gunes, "An Expert System Approach Based on ...
  • D. Giveki, H. Salimi, "Automatic Detection of Diabetes Diagnosis using ...
  • D. Delen, G. Walker and A. Kadam, "Predicting Breast Cancer ...
  • J. Thora, T. Ebba, "The Feasibility of Constructing _ Predictive ...
  • N. Chawla, K. Bowyer, "SMOTE: Synthetic Minority Over- Sampling Technique ...
  • نمایش کامل مراجع