ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص بیماری پارکینسون به کمک خوشه بندی و الگوریتم بهینه سازی علف هرز

سال انتشار: 1397
کد COI مقاله: CEITCONF02_092
زبان مقاله: فارسیمشاهد این مقاله: 123
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص بیماری پارکینسون به کمک خوشه بندی و الگوریتم بهینه سازی علف هرز

عارفه نجمی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا باقری - عضو هییت علمی و استادیار، گروه مهندسی کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
امیرمسعود بیدگلی - عضو هییت علمی و استادیار، گروه مهندسی کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

چکیده مقاله:

لزوم استفاده از الگوریتم های یادگیر در پیش بینی و تشخیص بیماری به نحوی که صحت و اعتبار عملکرد آن قابل تضمین باشد، مطالعات و تحقیقات جدید را به سوی دستیابی به راهکارهای بهینه در هر دو زمینه پزشکی و دانش کامپیوتر رهنمون کرده است. در این راستا بیوانفورماتیک علمی است که توانسته این همکاری را بین محققان این دو رشته به نحو احسن فراهم آورد. برای خوشه بندی داده های بیماری پارکینسون بایستی به داده های بیماری پارکینسون دسترسی داشت. در این تحقیق تمرکز بر روی استفاده از روشهای خوشه بندی است و برای خوشه بندی داده های بیماری پارکینسون بایستی به داده های این بیماری دسترسی داشت برای این منظور، داده های موردنیاز در این پژوهش از داده های کلینیک تهران تهیه شده و با استفاده از شاخص مرکزی میانگین عمل پاکسازی داده ها صورت گرفته است سپس بعد از نرمال سازی به کمک الگوریتم تحلیل مولفه های اصلی تعداد 6 ویژگی از بین 17 ویژگی انتخاب و با استفاده از الگوریتم بهینه سازی علف های هرز عمل خوشه بندی داده های پارکینسون انجام شد و نتایج خوشه بندی آن با الگوریتم های بهینه سازی هوشمند دیگر نظیر الگوریتم بهینه سازی ازدحام ذرات و الگوریتم بهینه سازی کلونی مورچگان انجام شد. نتایج استفاده از الگوریتم بهینه سازی علف های هرز حاکی از دقت 94.6%، 94.5% و 94,6 % در خوشه بندی داده های آموزشی، آزمایشی و کل داده ها دارد.

کلیدواژه ها:

خوشه بندي، الگوريتم بهينه سازي علف هاي هرز، الگوريتم تحليل مولفه هاي اصلي، الگوريتم هاي بهينه سازي هوشمند

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/849127/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نجمی، عارفه و باقری، علیرضا و بیدگلی، امیرمسعود،1397،تشخیص بیماری پارکینسون به کمک خوشه بندی و الگوریتم بهینه سازی علف هرز،دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز،،،https://civilica.com/doc/849127

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، نجمی، عارفه؛ علیرضا باقری و امیرمسعود بیدگلی)
برای بار دوم به بعد: (1397، نجمی؛ باقری و بیدگلی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 6,002
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی