Review of Data Mining Techniques for Prediction of Breast Cancer
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 704
فایل این مقاله در 5 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:
ICEECET03_050
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
Breast cancer is the most common cancer among women. Prediction of breast cancer recurrence is the most vital element for its successful treatment. Breast cancer recurrence can appear every time. Developed data mining techniques can be used for finding models and hidden relations. Review of data mining methods applications for developing prediction models for recurrence of breast cancer is the purpose of this paper. Three algorithms such as: decision trees (DTs) , support vector machines (SVMs) and artificial neural networks (ANNs) are investigated in this paper. The predictive models discussed here are based on various supervised machine learning (ML) techniques as well as on different input features and data samples. Suggested techniques results reached to acceptable results on different database
کلیدواژه ها:
نویسندگان
Elnaz Khodadadi
Department of Computer Engineering, Shahr Qods Branch, Islamic Azad University, Tehran, Iran
Seyed Mahdi Jameii
Department of Computer Engineering, Shahr Qods Branch, Islamic Azad University, Tehran, Iran
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 :