مروری بر تکنیک های داده کاوی و کاربرد آن در پزشکی با استفاده از کشف الگوهای مکرر
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 958
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCSISF01_048
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
با افزایش توانایی فناوری ذخیره و بازیابی اطلاعات در زمینه های حجم وسرعت بازیابی، حجم داده های مختلف ذخیره شده روز به روز در حال افزایش است؛ همچنین با افزایش این حجم داده ها، استخراج اطلاعات معنادار از آن ها امکان پذیر شده است. در عین حال کشف اطلاعات معنی دار از چنین حجم اطلاعاتی چندان ابتدایی و ساده نخواهد بود. استخراج اطلاعات با ارزش از داده ها که به دادهکاوی معروف است به روش های مختلفی صورت میگیرد، یکی از روش های کاوش داده ها کشف الگوهای مکرر بوده که بر یافتن ترکیبی از داده ها که تکرار فراوان دارند تمرکز میکند. همچنین شبکه های عصبی به عنوان یک ابزار هوش مصنوعی در کنار داده کاوی بسیار کارآمد خواهد بود، چرا که این شبکه ها با الهام از ساختار مغز موجودات زنده طراحی و پیاده سازی شده اند و میتوانند با مرور داده ها، الگوهای مختلف را پیدا کرده و خود را با آن ها تطبیق دهند. این مقاله به مروری بر مفاهیم داده کاوی و انواع تکنیک های پرکاربرد آن پرداخته است. در نهایت با توجه به حجم داده هایی که این روزها در بحث پزشکی و سلامت در حال جمع آوری است، روشی پیشنهاد میشود که بتواند با تکیه بر الگوهای مختلف داده کاوی و حجم عظیم اطلاعات، پزشکان را در کشف و مقابله با انواع بیماری ها یاری کند.
کلیدواژه ها:
نویسندگان
احمد لطفی زاده
آموزشکده فنی وحرفه ای سما، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان ) ، اصفهان، ایران
زینب کریمی
عضو باشگاه پژوهشگران سما، آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)،اصفهان، ایران
وجیهه شیرزادی
عضو باشگاه پژوهشگران سما، آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)،اصفهان، 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 :