طراحی و پیاده سازی یک سیستم هوشمند جهت پیش بینی بیماری قلبی با استفاده از تکنیک های داده کاوی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,296
فایل این مقاله در 12 صفحه با فرمت PDF و WORD 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:
CITCOMP01_065
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
امروزه در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری های مختلف هستیم. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. در این کار از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطرزا در بیماری های قلـب و عـروق اسـتفاده کرده ایم.یکی از مهم ترین عواملی که تأثیر زیادی در ساخت مدلی با دقت مناسب برای پیش بینی دارد، ویژگی است. علاوه بر ویژگی، انتخاب مدل پیش بینی کننده یا همان طبقه بند تأثیر زیادی در دقت مدل نهایی و پیش بینی وجود و یا عدم وجود بیماری قلبی دارد. دراین مقاله از چهار طبقه بند متداول نظیر ماشین بردار پشتیبان ،درخت تصمیم ،kنزدیکترین همسایه و بیزین برای ساخت مدل استفاده شده است. مجموعه داده موردبررسی در این مقاله شامل 270 رکورد و همچنین14 ویژگی است. دقت پیش بینی نتایج حاصل از طبقه بندهای ماشین بردار پشتیبان، k نزدیکترین همسایه،درخت تصمیم و بیزین ساده به ترتیب برابر% 81.11 و66.67% و %59.72و %19.85 است که به نسبت نتایج خوبی است.
کلیدواژه ها:
نویسندگان
مریم کاظمی پور
دانشجوی کارشناسی ارشد هوش مصنوعی ، موسسه غیرانتفاعی شفق تنکابن
رضا طاولی
استاد ،عضو هیئت علمی تمام وقت دانشگاه آزاد اسلامی واحد چالوس
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 :