CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص هوشمند بیماری کلیوی مزمن با ترکیب ماشین بردار پشتیبان و الگوریتم های پوششی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۲۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICISE02_020
زبان مقاله: فارسی
حجم فایل: ۶۴۱.۸۶ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص هوشمند بیماری کلیوی مزمن با ترکیب ماشین بردار پشتیبان و الگوریتم های پوششی

  محمدمهدی ارشادی - دانشجوی کارشناسی ارشد مهندسی صنایع؛گرایش سیستم های سلامت دانشگاه امیرکبیر؛
  جابر قزلباش - دانشجوی کارشناسی ارشد مهندسی صنایع؛گرایش سیستم های سلامت دانشگاه امیرکبیر؛
  سید حمیدرضا شهابی حقیقی - عضو هیئت علمی دانشکده صنایع و مدیریت دانشگاه امیرکبیر؛

چکیده مقاله:

بیماریهای کلیوی مزمن یکی از شایعترین و رو به رشدترین نوع بیماریهاست که تشخیص به موقع آن، شانس زنده ماندن و بهبود بهتر را افزایش میدهد. امروزه، با توجه به بانک های اطلاعاتی می توان از داده کاوی به طور گستردهای برای تشخیص استفاده کرد. با گسترش فناوری حجم زیادی از داده های مرتبط با مریضی های کلیوی و با ابعاد بالا تولید شده اند که استفاده از همه ی آنها علاوه بر مقرون به صرفه نبودن، حتی باعث کاهش دقت مدل تشخیصی نیز میگردد. در این بررسی، از ترکیب الگوریتم پوششی و روش ماشین بردار پشتیبان برای کاهش ویژگی استفاده شده است. بدین ترتیب که ابتدا زیرمجموعه هایی از ویژگی های تصادفی انتخابی به الگوریتم ماشین بردار پشتیبان فرستاده می شوند. سپس با توجه به دقت برآورد شده درنتیجه ی کار با آن ویژگی ها، ویژگی هایی که می توانند دقت بالاتری را ارائه دهند کنار گذاشته میشوند. سپس زیرمجموعه ی نهایی از ویژگی های انتخابی و تعداد آن، پس از توقف الگوریتم پوششی مشخص شده و از آن برای آموزش و ایجاد مدل دسته بندی کننده با الگوریتم ماشین بردار پشتیبان استفاده شد. در پایان روش ارائه شده ازنظر دقت، حساسیت، اختصاصیت روی داده های پایگاه اطلاعاتی یوسی آی ii مورد ارزیابی واقع گردید.

کلیدواژه‌ها:

بیماری های مزمن کلیوی، داده کاوی، الگوریتم پوششی، الگوریتم ماشین بردار پشتیبان

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-ICISE02-ICISE02_020.html
کد COI مقاله: ICISE02_020

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:
ارشادی, محمدمهدی؛ جابر قزلباش و سید حمیدرضا شهابی حقیقی، ۱۳۹۵، تشخیص هوشمند بیماری کلیوی مزمن با ترکیب ماشین بردار پشتیبان و الگوریتم های پوششی، دومین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE 2016)، بصورت الکترونیکی، گروه مهندسی صنایع دانشگاه فردوسی، https://www.civilica.com/Paper-ICISE02-ICISE02_020.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: (ارشادی, محمدمهدی؛ جابر قزلباش و سید حمیدرضا شهابی حقیقی، ۱۳۹۵)
برای بار دوم به بعد: (ارشادی؛ قزلباش و شهابی حقیقی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • نوید همراهی، نیما توحیدی قمصری، مقاله‌ی پیش‌بینی بیماری کرونری قلبی ... (مقاله کنفرانسی)
  • الهام رحیمی، سمیه علیزاده، مدل‌سازی تشخیص بیماری آپاندیس با استفاده ... (مقاله ژورنالی)
  • Delen, D., Walker, G., Kadam, _ 2005. Predicting [5] breast ...
  • Garc ia-Laencina, p., Henriques Abreu, p., Henriques Abreu, M.., 2015. ...
  • Hwan Min, S., Lee, J., Han, I., 2006. Hybrid genetic ...
  • Karabatak, M., Ince C., 2009. An expert system for [8] ...
  • Rathi, M. and Gupta, C., 2014. An Approach to Predict ...
  • The Legatum Prosperity Index 2015. ...
  • Zheng, B., Yoon, S.W. and Lam, S.S., 2014. Breast cancer ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۸۵۲۲
    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.