مروری بر پرکاربردترین الگوریتم های داده کاوی برای تشخیص سرطان سینه
محل انتشار: دومین کنفرانس ملی کامپیوتر و فناوری اطلاعات
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 487
فایل این مقاله در 6 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:
CEITS02_044
تاریخ نمایه سازی: 30 دی 1397
چکیده مقاله:
تکنیک های داده کاوی از اواسط دهه 1990، به عنوان یک ابزار قدرتمند برای کشف الگوهای ناشناخته و اطلاعات مفید از درون دیتاست های بزرگ، وارد دنیای علم شد. هدف داده کاوی، یافتن الگوها و یا مدل های موجود در پایگاه داده ها است که در میان حجم عظیمی از داده ها مخفی هستند. داده کاوی در زمینه پزشکی دارای کاربردهای بسیار وسیع و در عین حال حساس و حیاتی است. با توجه به این که داده های پزشکی با ارزش ترین و حساس ترین داده ها برای کاوش و تحلیل هستند، تحلیل و کسب دانش از آنها، می باید با درجه بالایی از دقت و حساسیت صورت گیرد. در این پژوهش با استناد به تحقیقات صورت گرفته در حوزه تشخیص سرطان سینه، که یکی از شایع ترین بیماریها در بین زنان می باشد، به بررسی و ارزیابی سه الگوریتم k-نزدیکترین همسایه، درخت تصمیم و ماشین بردار پشتیبان پرداخته شده است.
کلیدواژه ها:
نویسندگان
سعیده ناصری نوروزانی
گروه مهندسی کامپیوتر، واحد شیراز ، دانشگاه آزاد اسلامی ، شیراز ، ایران
محمدامین شایگان
گروه مهندسی کامپیوتر،واحد شیراز ، دانشگاه آزاد اسلامی ، شیراز ، ایران