بکارگیری و مقایسه تکنیک های داده کاوی جهت پیش بینی روند بهبودی بیماری MS

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632

فایل این مقاله در 11 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:

TECCONF03_016

تاریخ نمایه سازی: 5 آبان 1397

چکیده مقاله:

یکی از بیماریهای عصبی مهم بیماری مالتیپل اسکلروزیس (ام اس) است. یک بیماری ناتوان کننده است که مغز و نخاع را تحت تاثیر قرار میدهد و باعث از دست دادن کنترل، دید، تعادل و حواس (بی حسی) میشود. در این پژوهش درصدد یافتن روشی برای بررسی پیش بینی روند بهبود بیماری ام اس با استفاده از تکنیکهای داده کاوی هستیم. برای این منظور به بررسی و مقایسه بین تکنیکهای داده کاوی سنتی مانند درخت تصمیم گیری، بیز ساده، شبکه عصبی مصنوعی، درخت تصادفی، ماشین بردار پشتیبان پرداختهایم تا بتوان با توجه به میزان صحت هر یک از الگوریتمها، الگوریتم مناسبی برای بالا بردن صحت پیش بینی روند بهبود بیماری ام اس یافت. نتایج بدست آمده نشان میدهد که الگوریتمهای بیزساده و شبکه عصبی از میان دیگر الگوریتمها با صحت 98,75 درصد، بالاترین و بهترین صحت را داشته اند.

نویسندگان

هاجر آریایی پور

دانشجوی کارشناسی ارشد مهندسی نرم افزار موسسه آموزش عالی غیردولتی- غیرانتفاعی چهلستون، اصفهان، ایران

امیرحسن منجمی

دانشیار گروه هوش مصنوعی، دانشگاه اصفهان، اصفهان، ایران