CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۶۳ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: COMPUTER04_018
زبان مقاله: فارسی
حجم فایل: ۷۷۹.۵۸ کیلوبایت (فایل این مقاله در ۱۲ 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 ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین

  محسن غلامی - دانشگاه آزاد اسلامی واحد بوشهر
    علی برومندنیا - دانشگاه آزاد اسلامی تهران جنوب

چکیده مقاله:

امروزه با گسترش علوم و تکنولوژیهای نوین پیش بینی وضعیت جنین در زمان بارداری بسیار پر اهمیت است چرا که در صورت عدم سلامت می تواند باعث به خطر افتادن جان مادر و جنین شود. از روشهایی که میتوان وضعیت جنین را پیشبینی نمود استفاده از تست CTG است.هدف از این مقاله مقایسه پارامترهای مختلف جهت ارایه روشی برای بهبود پیشبینی وضعیت جنین با استفاده از ترکیب و استفاده همزمان از روش های مختلف داده کاوی به منظور توانایی شناسایی خطر ریسک سلامت جنین است. در این پژوهش از مجموعه داده Cardiotocography از مخزن یادگیری ماشین UCI استفاده میگردد. ابتدا هشت الگوریتم برتر دادهکاوی بررسی و مقایسه گردیده در نهایت مدلی ترکیبی با استفاده از بهره اطلاعاتی 1 ، الگوریتم KNN و شبکه های عصبی ایجاد گردیده که توانایی بهتری در پیشبینی متغیر هدف که شامل وضعیت عادی، مشکوک و بیمار است با دقت 93 % از خود نشان می دهد.

کلیدواژه‌ها:

بهره اطلاعاتی، K نزدیک ترین همسایه، شبکه عصبی، درخت تصمیم

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-COMPUTER04-COMPUTER04_018.html
کد COI مقاله: COMPUTER04_018

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:
غلامی, محسن و علی برومندنیا، ۱۳۹۶، ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین، دوازدهمین سمپوزیوم پیشرفت های علوم و تکنولوژی کمیسیون دوم:سرزمین پایدار تازه های کامپیوتر و فناوری اطلاعات، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-COMPUTER04-COMPUTER04_018.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: (غلامی, محسن و علی برومندنیا، ۱۳۹۶)
برای بار دوم به بعد: (غلامی و برومندنیا، 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: ۳۶۵۳
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

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.