مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 791

فایل این مقاله در 14 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:

ITCC03_217

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

دنیای پزشکی نیاز به یک روش پیش بینی قابل اطمینان برای تشخیص بسیاری از بیماری ها از جمله دیابت دارد. بندرعباس،واقع در جنوب کشور ایران، دارای حجم بالایی از بیماران دیابتی می باشد. داده های بیماران دیابتی بیمارستان امام رضا شهربندرعباس به عنوان مجموعه داده اصلی این تحقیق به منظور آنالیز و استخراج الگوهای پنهان مورد استفاده قرار گرفته است.تشخیص دیابت با استفاده از 7 مشخصه ی مشترک شامل: 1. جنسیت 2. سن 3. کلسترول 4. تری گلیسیرید 5. قند خونناشتا 6. قند 2 ساعت بعد از غذا 7. کلاس (بیمار یا سالم) از مجموعه داده های موجود انجام شده است. ما از تکنیک هایداده کاوی برای طبقه بندی کارآمد داده های دیابتی استفاده کردیم. در این تحقیق به مقایسه ی الگوریتم های ماشین بردارپشتیبان ، رگرسیون لجستیک، شبکه های عصبی، و Bagging پرداخته ایم. این تکنیک های داده کاوی از لحاظ دقت،صحت و حساسیت مورد ارزیابی قرار گرفتند که الگوریتم Bagging با دقت 98.19%، صحت 100 % و حساسیت 93%بهترین مدل طبقه بندی شناخته شد.

نویسندگان

سیما بداقی

کارشناسی ارشد مهندسی کامپیوتر_نرم افزار، دانشگاه آزاد اسلامی واحد بندرعباس

امید روزمند

دانشگاه آزاد اسلامی واحد بندرعباس

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 :
  • M.Hokmi, A.Farahi, "comparing data mining techniques for predicting diabetes", ...
  • nd national computer conference in technical and occupational faculty of ...
  • Sh.Asqari and J.Aramideh, "fetch of suitable rules for detecting diabetic ...
  • international Diabetes Prevention And Control Foundation, (last visited), http : ...
  • E. I. Mohamed, R. Linder, G. Perriello, N. Di Daniele, ...
  • A. Marcano -Cedeno and D. Andina, "Data mining for the ...
  • S. Melmed, K. S. Polonsky, P. R. Larsen, and H. ...
  • C. M. Ripsin, H. Kang, and R. J. Urban, "Management ...
  • F. Pasquier, "Diabetes and cognitive impairment: how to evaluate the ...
  • J. E. Shaw, R. A. Sicree, and P. Z. Zimmet, ...
  • World Health Organization, Diabetes Center, Fact SheetN231 2, (last visited), ...
  • X.-H. Meng, Y.-X. Huang, D.-P. Rao, Q. Zhang, and Q. ...
  • M. Hassanzadeh and S. A. Razavi Ebrahimi, "Data Mining Algorithms ...
  • E. Alpaydin, Introduction to machine learning: MIT press, 2014. ...
  • B. L. W. H. Y. Ma, "Integrating classification and association ...
  • S. W. Purnami, A. Embong, J. M. Zain, and S. ...
  • N. Barakat, A. P. Bradley, and M. N. H. Barakat, ...
  • L. Tapak, H. Mahjub, O. Hamidi, and J. Poorolajal, "Real-data ...
  • A. A. Aljumah, M. G. Ahamad, and M. K. Siddiqui, ...
  • Z. Sawacha, G. Guarneri, A. Avogaro, and C. Cobelli, "A ...
  • R. Kohavi, "A study of cro ss-validation and bootstrap for ...
  • L. Wang, Support vector machines: theory and applications vol. 177: ...
  • _ Harrell, Regression modeling strategies: with applications to linear models, ...
  • V. Katiyaar and I. K. Sharma, "Use of Data Mining ...
  • E. Essa, A. Tolba, and S. Elmougy, "A comparison of ...
  • Polikar, R., "Ensemble Based System in Detection Making", IEEE Circuits ...
  • J. C.-W. Chan, L. Demarchi, T. Van de Voorde, and ...
  • L. Chen and M. S. Kamel, "A new design of ...
  • D. M. Powers, "Evaluation: from precision, recall and F-measure to ...
  • A. A. Al Jarullah, "Decision tre discovery for the diagnosis ...
  • I. H. Witten and E Frank, Data Mining: Practical machine ...
  • Han J. Kamber M.chapter 1: introduction: Data Mining: Concepts and ...
  • J. R. Quinlan, "Simplifying decision trees, " International journal of ...
  • K. P. Murphy, "Performance evaluation of binary classifiers, " Technical ...
  • نمایش کامل مراجع