CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۰۸ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_022
زبان مقاله: فارسی
حجم فایل: ۳۴۹.۰۶ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم 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 PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک

  پردیس چوبینه - گروه کامپیوتر، دانشکده تحصیلات تکمیلی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
  رامتین حکمت آرا - گروه کامپیوتر، دانشکده تحصیلات تکمیلی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
  حسین مومن زاده - استادیار گروه برق، دانشگاه آزاد اسلامی بوشهر، بوشهر، ایران

چکیده مقاله:

امروزه بیماری دیابت یکی از خطرناک ترین بیماری ها در سطح جهان است که سالانه طیف گسترده ای از افراد در سراسر دنیا به آن مبتلا می شوند. متاسفانه در کشور ما عواملی همچون تغذیه نامناسب، کیفیت پایین مواد غذایی، افزایش وزن، مصرف مواد مخدر، آلودگی هوا و بی تحرکی افراد سبب شده که تعداد افراد مبتلا به دیابت افزایش یابد و پیش بینی می-شود که این روند در سال های آینده نیز بیشتر شود. تشخیص دیر هنگام این بیماری سبب بروز بیماری های دیگری همچون رتینوپاتی دیابتی، بیماری های قلبی و عروقی و بیماری های مزمن کلیوی می شود، همین امر باعث می شود که روند درمان و بهبود افراد دشوارتر و پرهزینه تر شود. در این راستا تحقیقات متنوعی ارایه شده است که یکی از این راهکارها استفاده از الگوریتم ها و روش های دسته بندی می باشد، که هدف آن بالا بردن دقت دسته بندی و رسیدن به کارایی مطلوب می باشد. در این تحقیق از روش دسته بندی گروهی استفاده شده است، که بر روی ترکیب خروجی الگوریتم های ماشین بردار پشتیبان رگرسیون لجستیک با استفاده از تکنیک دسته بندی بگینگ عمل می کند. این روش پیشنهادی بر روی مجموعه داده بیماران رتینوپاتی دیابتی واقع در وزارت بهداشت ایالت متحده آمریکا، برای ارزیابی مورد استفاده قرار گرفته است. نتایج بدست آمده نشان دهنده کارایی بالای روش پیشنهادی، با دقت 85.26%، میانگین صحت 85.26% ، میانگین فراخونی 84.93%، خطای دسته بندی 9.3% و معیار کاپا 0.701می باشد.

کلیدواژه‌ها:

داده کاوی، بیماری دیابت، ماشین بردار پشتیبان، رگرسیون لجستیک، دسته بند گروهی، بگینگ

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-CITCOMP02-CITCOMP02_022.html
کد COI مقاله: CITCOMP02_022

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:
چوبینه, پردیس؛ رامتین حکمت آرا و حسین مومن زاده، ۱۳۹۶، ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_022.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: (چوبینه, پردیس؛ رامتین حکمت آرا و حسین مومن زاده، ۱۳۹۶)
برای بار دوم به بعد: (چوبینه؛ حکمت آرا و مومن زاده، ۱۳۹۶)
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: ۳۶۶۰
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 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.