CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

داده کاوی برروی پایگاه داده زیستی DATA minning

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۵۲۶ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: BPJ01_172
زبان مقاله: فارسی
حجم فایل: ۱.۵۳ مگابات (فایل این مقاله در ۱۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله داده کاوی برروی پایگاه داده زیستی DATA minning

پیام صادق زاده - دانشجوی کارشناسی ارشد
پیمان صادق زاده - دانشجوی کارشناسی ارشد
رضا رخصت - دانشجوی کارشناسی

چکیده مقاله:

باتوجه به حجم داده های سیستم های پزشکی ورشدروزافزون پایگاه داده های پزشکی استفاده ازسیستم های تحلیل داده سنتی کارایی لازم رادیگر ندارند ازاین رو دراین مقاله سعی شده است تابااستفاده ازروشهای داده کاوی به تحلیل و بررسی داده های پزشکی که غالبا مربوط به تشخیص سرطان می باشد بپردازیم یکی ازمهمترین چالشهای داده کاوی برروی داده های سرطانی تعدادویژگیهای بسیارزیاد آنها می باشد دراینجا ما باروشهای انتخاب خصیصه ژنهایی که اطلاعات مفیدتری را دراختیارما قرار میدهند شناسایی کرده سپس با الگوریتم های مختلف دسته بندی را انجام دادیم دراین مقاله ازابزار weka به منظور داده کاوی و تحلیل نتایج استفاده کردیم

کلیدواژه‌ها:

طبقه بندی، داده کاوی، کتابخانه weka، داده های سرطانی، انتخاب خصیصه

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://www.civilica.com/Paper-BPJ01-BPJ01_172.html
کد COI مقاله: BPJ01_172

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:
صادق زاده, پیام؛ پیمان صادق زاده و رضا رخصت، ۱۳۹۲، داده کاوی برروی پایگاه داده زیستی DATA minning، اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات، رودسر، دانشگاه آزاد اسلامی واحد رودسر و املش، https://www.civilica.com/Paper-BPJ01-BPJ01_172.html

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: (صادق زاده, پیام؛ پیمان صادق زاده و رضا رخصت، ۱۳۹۲)
برای بار دوم به بعد: (صادق زاده؛ صادق زاده و رخصت، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • A review of feature selection techniques in bio informatics_B io ...
  • An ensemb co rrelation-based gene selection algorithm for cancer classification ...
  • مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • ک‍ت‍‍اب‍د‌ار‌ی‌ و ‌اطلا‌ع‌رس‍‍ان‍‍ی‌ > کتابخانه
  • علوم پزشکی > سرطان
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.