بهینه سازی یک سیستم خبره توسط الگوریتم ژنتیک به منظور پیش بینی هپاتیت

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,662

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_154

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

تشخیص بیماری هپاتیت با توجه به علائم بالینی اندکی که در مراحل اولیه دارد، بسیار دشوار است. روش هایی که بتوانند بر اساس استخراج دانش از داده های پزشکی به تشخیص زود هنگام این بیماری کمک کنند، بسیار حائز اهمیت هستند. یکی از روش های مطرح در استخراج دانش، استفاده از الگوریتم های داده کاوی است. که این روش ها در مقایسه با روش های یادگیری ماشین، دقت کمتری در پیش بینی دارند. این روش ها مجموعه قوانینی از داده ها را استخراج می کنند که قابل تجزیه و تحلیل می باشد. در نتیجه در مواردی که نیاز به استنتاج داریم، از جمله موارد پزشکی نقش بسیار مهمی ایفا می کنند. در این مقاله ابتدا با استفاده از الگوریتم درخت تصمیم و روش یادیگری قانون وابستگی که دو روش رایج و قدرتمند داده کاوی هستند قوانین متعددی از مجموعه داده های مربوط هپاتیت استخراج شده و سپس یک زیر مجموعه از موثرترین این قوانین توسط الگوریتم ژنتیک انتخاب گردیده است. دقت نتایج حاصله با روش کلاسه بندی نایوبیز مورد مقایسه قرار گرفته و دقت 77% را نشان داده است. نتیجه نمایانگر 6% افزایش دقت نسبت به روش کلاسه بندی نایوبیز می باشد. بر اساس مطالب گفته شده، یک سیستم خبره پیش بینی کننده توسط نرم افزار کلیپس طراحی شده است، که می تواند در امر پیش بینی بیماری هپاتیت به افراد متخصص این حوزه کمک بالقوه ای کند.

کلیدواژه ها:

پیش بینی هپاتیت ، الگوریتم داده کاوی ، الگوریتم درخت تصمیم ، روش یادگیری قانون وابستگی ، الگوریتم ژنتیک ، روش کلاسه بندی نایو بیز ، سیستم خبره

نویسندگان

نوید عربی

دانشجوی کارشناسی ارشد دانشگاه شیراز دانشکده مهندسی برق و کامپبوتر

نیلوفر راستین

دانشجوی کارشناسی ارشد دانشگاه شیراز دانشکده مهندسی برق و کامپبوتر

شهرام جعفری

دانشجوی کارشناسی ارشد دانشگاه شیراز دانشکده مهندسی برق و کامپبوتر

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 :
  • CruzKemal Polat , Salih Gunes. 2007. Medical decision support system ...
  • M.Neshat, M.Yaghobi. 200)9. Designing a Fuzzy Expert System of Diagnosing ...
  • Hepatitis dataset, UCI Machine Learning Repository http : //archive. ics ...
  • Piatetsky Shapiro. 1991. Discovery analysis and presentation of strong rules, ...
  • Rakesh Agrawal. 1993. Mining association rules between sets of items ...
  • نمایش کامل مراجع