پیش بینی بیماری دیابت با تکنیک ماشین بردار پشتیبان و مقایسه آن با سایر تکنیک های داده کاوی
- سال انتشار: 1395
- محل انتشار: اولین همایش ملی ایده های نوین در مهندسی برق و کامپیوتر
- کد COI اختصاصی: CONECE01_024
- زبان مقاله: فارسی
- تعداد مشاهده: 559
نویسندگان
دانشجوی کارشناسی ارشد گرایش نرم افزار، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد اسلامشهر
عضو هیات علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اسلامشهر
چکیده
تکنیک های داده کاوی می تواند به طور موفقیت آمیزی برای طبقه بندی بیماران دیابتی به کار روند. هدف این مقاله پیش بینی بیماری دیابت با تکنیک ماشین باردار پشتیبان با استفاده از نام مشخصه مشترک و جومونگ داده ورودی است که به صورت منبع باز در دسترس بوده و نهایتا مقایسه الگوریتم پیشنهادی با عملکرد شبکه های عصبی مصنوعی می باشد. تکنیک های داده کاوی به کار رفتند و از لحاظ دقت و میزان خطا مورد ارزیابی قرار گرفتند. الگوریتم ماشین باردار پشتیبان پیشنهادی بادقت 86% و حداقل خطای 14% بهترین مدل طبقه بندی شناخته شد. مقایسه و ارزیابی طبق نرم افزار matlab و با الگوریتم ماشین باردار پشتیبان برای مدل پیشنهادی به کار گرفته شد.کلیدواژه ها
داده کاوی، دیابت،پیش بینی،ابزار داده کاوی matlabمقالات مرتبط جدید
- tGraph_PheroWalk : یک الگوریتم جدید برای یادگیری بازنمایی گراف های پویا
- Efficient Triple Modular Redundancy for Reliability Enhancement of DNNs Using Explainable AI
- مقایسه فناوری CMUT با پیزوالکتریک برای کاربرد در تصویربرداری التراسونیک
- بهبود کنترل دست رباتیک به کمک کنترل کننده تطبیقی فازی-PID
- طراحی و شبیه سازی آنتن تک قطبی چند بانده فشرده با تغذیه ریز نوار برای بهبود عملکرد در باندهای فرکانسی ۲.۵، ۳.۸، ۵.۴ و ۶.۹ گیگاهرتز
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.