CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک راهکار ترکیبی داده کاوی مبتنی بر تئوری دمپستر شافر برای تشخیص بیماری دیابت

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۲ | نظرات: ۰
سال انتشار: ۱۳۹۷
نوع ارائه: شفاهی
کد COI مقاله: IDMEC01_045
زبان مقاله: فارسی
حجم فایل: ۵۱۵.۰۱ کیلوبایت (فایل این مقاله در ۱۳ 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 ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک راهکار ترکیبی داده کاوی مبتنی بر تئوری دمپستر شافر برای تشخیص بیماری دیابت

  سعید دلکانی - گروه مهندسی کامپیوتر ،واحد بوشهر،دانشگاه آزاد اسلامی ، بوشهر ،ایران
  مهدی صادق زاده - گروه مهندسی کامپیوتر،واحدماهشهر،دانشگاه آزاد اسلامی، ماهشهر ، ایران

چکیده مقاله:

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.

کلیدواژه‌ها:

دیابت، تشخیص بیماری، الگوریتم ژنتیک، شبکه عصبی، تئوری دمپستر شافر.

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-IDMEC01-IDMEC01_045.html
کد COI مقاله: IDMEC01_045

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:
دلکانی, سعید و مهدی صادق زاده، ۱۳۹۷، ارائه یک راهکار ترکیبی داده کاوی مبتنی بر تئوری دمپستر شافر برای تشخیص بیماری دیابت، اولین کنفرانس ملی کسب و کارهای نوین و هوشمند داده کاوی و پردازش تصاویر، کرمان، دانشگاه فنی و حرفه ای استان کرمان- دانشکده شهید چمران کرمان، https://www.civilica.com/Paper-IDMEC01-IDMEC01_045.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: (دلکانی, سعید و مهدی صادق زاده، ۱۳۹۷)
برای بار دوم به بعد: (دلکانی و صادق زاده، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۳۷۷۲
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.

مدیریت اطلاعات پژوهشی

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

    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.