تشخیص بیماری قند با استفاده از ترکیب سیستم استنتاج فازی سوگنو و الگوریتم رقابت استعماری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 523

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECOM01_153

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

امروزه درصد زیادی از مردم احتمال ابتلا به بیماری قند را دارند. بیماری قند یکی از خطرناکترین بیماریهایی جوامع بشری امروزی است و تشخیص به موقع این بیماری نقش بسزایی در درمان آن دارد. در این مقاله با استفاده از سیستم استنتاج فازی سوگنو و الگوریتم هوشمند رقابت استعماری، روشی نوین برای تشخیص بیماری قند ارائه شده است. روش ارائه شده قادر است با استفاده از تعداد کمی قوانین ساده فازی به دقت با دقت مطلوبی بیماری قند را تشخیص دهد. نتایج تجربی نشان میدهند که این روش روی مجموعه داده استاندارد PID دقت بیشتری نسبتی به الگوریتمهای موجود در این زمینه دارد.

کلیدواژه ها:

تشخیص بیماری قند ، سیستم استنتاج فازی سوگنو ، الگوریتم هوشمند رقابت استعماری

نویسندگان

حاتم محمدی کامروا

دانشگاه آزاد اسلامی واحد فسا، گروه مهندسی برق و الکترونیک، فسا، ایران

وحید صادقی دنیانی

دانشگاه آزاد اسلامی واحد فسا، گروه مهندسی برق و الکترونیک، فسا، ایران

آزاده اعتماد جهرمی

دانشگاه آزاد اسلامی واحد فسا، گروه مهندسی برق و الکترونیک، فسا، ایران

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 :
  • Blake C.L, Merz C.J., UCI Repository of Machine Learning Databases, ...
  • جواد حداد نی، جواد وحیدی، اعظم قره‌خانی و محمد فیوضی، ...
  • کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر ...
  • L. Breiman. Random forests. Machine Learning, 45(1):5-32, 2001 ...
  • D. Dazzi, F. Taddei, A. Gavarini, E. Uggeri, R. Negro, ...
  • K. Patterson and W. Sandham. Neural network and neuro-fuzzy systems ...
  • W. Hsu, M. L. Lee, B. Liu, and T. W. ...
  • M. Zorman, G. Masuda, P. Kokol, R. Yamamoto, and B. ...
  • Y. Jiang and Z. Zhou, "Editing Training Data for kNN ...
  • Asma A. AlJarullah, King Saud University, " Decision Tre Discovery ...
  • Haykin, Simon. Neurl networks: a comprehensive foundation. Prentice Hall PTR, ...
  • Atashp az-Gargari, Esmaeil, and Caro Luca. "Imperialist competitive algorithm: an ...
  • نمایش کامل مراجع