ارائه یک راهکار ترکیبی داده کاوی مبتنی بر تئوری دمپستر شافر برای تشخیص بیماری دیابت
- سال انتشار: 1397
- محل انتشار: اولین کنفرانس ملی کسب و کارهای نوین و هوشمند داده کاوی و پردازش تصاویر
- کد COI اختصاصی: IDMEC01_045
- زبان مقاله: فارسی
- تعداد مشاهده: 1191
نویسندگان
گروه مهندسی کامپیوتر ،واحد بوشهر،دانشگاه آزاد اسلامی ، بوشهر ،ایران
گروه مهندسی کامپیوتر،واحدماهشهر،دانشگاه آزاد اسلامی، ماهشهر ، ایران
چکیده
امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانسته های خود، آزمایشات پیچیده و وقت گیر به تشخیص بیماری دیابت پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است.در این پژوهش روشی ترکیبی برای تشخیص بیماری دیابت ارائه شده است چراکه یکی از مشکلات اساس ی مربوط به این بیماری عدم تشخیص به موقع و صحیح این بیماری است. هدف از انجام این پژوهش، ارائه ساز واکاری برای بهبود دقت در تشخیص بیماری دیابت می باشد که این سازوکار بر اساس تجزیه و تحلیل داده های دیتاست PID با استفاده از سیستم های داده کاوی انجام میشود. بر اساس مطالعات انجام شده، ثابت شده است که سیستم های یادگیری مرکب نسبت به سیستم هایساده از دقت و عملکرد بهتری برخودار هستند . بنابراین در این پژوهش از یک سیستم ترکیبی داده کاوی مبتنی بر دمپستر شافر برای تشخیص بیماری دیابت ارائه شده است که در آن انتخاب ویژگی مبتنی بر همبستگی پیرسون با استفاده از الگوریتم ژنتیک و از روش های طبقه بندی متداول مانند شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به عنوان سیستم های یادگیری پایه و برای ترکیب طبقه بندها از تئوری دمپستر – شافر استفاده شده است. بر اساس نتایج آزمایش های انجام شده، روش پیشنهادی نسبت به سیستم های پایه از عملکرد بهتری برخوردار بوده بیماران دیابتی را با دقت بهتری از یکدیگر تشخیص می دهد. دقت در مجموعه داده از 87,24 % به 89.58% رسیده است.کلیدواژه ها
دیابت، تشخیص بیماری، الگوریتم ژنتیک، شبکه عصبی، تئوری دمپستر شافر.مقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
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.