تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی
محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,247
فایل این مقاله در 7 صفحه با فرمت PDF 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:
ICNMO01_153
تاریخ نمایه سازی: 19 اسفند 1391
چکیده مقاله:
در این تحقیق روش جدیدی برای تشخیص بیماری دیابت ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن می باشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق داده های 867 نفر زن با 7 ویژگی مورد ارزیابی قرار گرفت که سعی شده تا با استفاده از ترکیبروشهای هوشمند مصنوعی ازقبیل الگوریتم ژنتیک برای کاهش ویژگی از 7 به 4، سیستمهای Fuzzy بمنظور تصمیم گیری آنی و صحیح، Decission Tree بمنظور انتخاب بهترین حالات برای حل مساله و FCM ، روشی نو بمنظور تشخیص صحیح و دقیق این بیماری معرفی کنیم . سیستم پیشنهادی با استفاده از ترکیب روشهای مذکورموفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی 74.33 % دست یابد که درمقایسه با روشهای رایج از یکطرف و روشهای مصنوعی ازطرف دیگر در مراجع مذکور در نوع خود مناسب می- باشد.
کلیدواژه ها:
نویسندگان
جواد حدادنیا
دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک
جواد وحیدی
دانشگاه علم وصنعت ایران واحد بهشهر، بهشهر،ایران،
اعظم قره خانی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی )نیشابور(، دانشکد
محمد فیوضی
دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک
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 :