کاربرد تکنیکهای دادهکاوی در تشخیص بیماریهای شایع با توجه به علائم آنها
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,203
فایل این مقاله در 25 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:
ICOAC01_185
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
امروزه با پیشرفت علم و تکنولوژی و ابزارهای فناوری، توانایی بازبینی و ذخیرهسازی دادههای مهم با حجمی وسیع فراهم گردیده که نیاز به تحقیقات علمی جهت جستجو در این دادهها و دریافت نتایجمفید لازم و ضروری گردیده است. یکی از زمینههایی که نیازمند استفاده از این ابزارها جهت تحلیل دادههای وسیع و مدلسازی پیشگویانه با روشهای محاسباتی جدید است، علم پزشکی میباشد. هدفاز این تحقیق بررسی دادههای پزشکی و ارائه یک روش صحیح دادهکاوی در زمینه دستهبندی دادهها برای پیشگویی بیماری افراد با استفاده از الگوریتمهای مناسب میباشد. بدین منظور، ابتدا طبقهبندیبیماریها و علائم مربوط به آنها با مشاوره پزشکان متخصص و اطلاعات پزشکی در دسترس پرداخته شده است. سپس مدلها و الگوریتمهای مناسب با مجموعه دادههای پزشکی شناخته شده است. جهت بررسی الگوریتمها از ابزار دادهکاویWEKA استفاده شده است که در نهایت 11 الگوریتم در سه حالت تست مختلف برای این تحقیق اجرا شد. نتایج آزمون این الگوریتمها نشان داد که در حالت تستUse training set طبقهبندی درست نمونهها از عملکرد بهتری برخوردار بوده است. همچنین الگوریتمهای User Classifier و Rep tree ،FT ،Decision Stump درصد کلاسبندی صحیح پایینی داشتهاند که برای دادههای این تحقیق مناسب نبوده است. سایر الگوریتمها عملکرد مناسبی روی دادههای آموزشی داشتهاند که از میان آنها الگوریتم Random tree بهترین راندمان را ) 111 درصد( داشته است. همچنین الگوریتم 48J یک الگوریتم درخت تصمیم یادگیرنده 4.5 C میباشد که با 57 درصد طبقهبندی صحیح هم میتواند برای دادههای این تحقیق مناسب باشد
کلیدواژه ها:
نویسندگان
محمد نورسرش
دانشگاه آزاد اسلامی واحد همدان
سعیده اسکندری
موسسه آموزش عالی جهاد دانشگاهی واحد همدان
محسن مظاهری اسد
موسسه آموزش عالی مهرالبرز تهران
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 :