CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Prediction and Diagnosis of Down Syndrome Disease by using the CHAID Algorithm

اعتبار موردنیاز : ۰ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۷۵ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: JR_UJRSET-3-4_005
زبان مقاله: انگلیسی
حجم فایل: ۲۴۶.۹۱ کیلوبایت
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.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها و مجلات می باشد. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله Prediction and Diagnosis of Down Syndrome Disease by using the CHAID Algorithm

Sajad Saydali - Department of Computer Engineering, Yasuj Technical College, Technical & Vocational University, Yasuj, Iran
Hamid Parvin - Department of Computer Engineering, Assistant Professor, Qeshm International Branch, Islamic Azad University, Qeshm, Iran

چکیده مقاله:

Today, development of technology and the use of modern medical equipment and update technology produce massive amounts of stored information in the medical database. Analysis and discovery of knowledge from medical database is difficult due to the high volume of data and is requires a newer technology that data mining technologies to achieve this important to help its powerful algorithms. Data mining techniques with extract knowledge and the unseen patterns from huge volumes of data and build models related to medical databases, designed decision support system that help decision-making to Medical. The main objective of this paper has been to examine how to apply data mining techniques to predict and diagnosis of Down syndrome disease based on the medical information of 200 patients referred to medical laboratories in the country by using data mining algorithm CHAID in Rapid Miner software. The results showed that the CHAID algorithm with 100% accuracy has ability diagnosis of Down syndrome disease.

کلیدواژه‌ها:

Data Mining, Database, Down Syndrome, Classification Techniques

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-JR_UJRSET-JR_UJRSET-3-4_005.html
کد COI مقاله: JR_UJRSET-3-4_005

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:
Saydali, Sajad & Hamid Parvin, ۱۳۹۴, Prediction and Diagnosis of Down Syndrome Disease by using the CHAID Algorithm, UCT Journal of Research in Science ,Engineering and Technology 3 (4), https://www.civilica.com/Paper-JR_UJRSET-JR_UJRSET-3-4_005.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: (Saydali, Sajad & Hamid Parvin, ۱۳۹۴)
برای بار دوم به بعد: (Saydali & Parvin, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه 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.

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.