CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بیماری قلبی با استفاده از سه تکنیک داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۱ | تعداد نمایش خلاصه: ۳۳۶ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: MOCONF01_0834
زبان مقاله: فارسی
حجم فایل: ۹۲۴.۸۱ کیلوبایت (فایل این مقاله در ۲۱ 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 ۲۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بیماری قلبی با استفاده از سه تکنیک داده کاوی

  مریم کاظمی - گروه مدیریت، پردیس علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران
  حسین مهدی زاده - استادیار دانشگاه ایلام
  اردشیر شیری - استادیار دانشگاه ایلام

چکیده مقاله:

تصمیم گیری جوهره مدیریت است با توجه به اینکه تصمیمگیری بدون وجود اطلاعات و برقراری ارتباطات لازم میسر نیست، پایه اجرایی چنین وظیفه ای فراهم آوردن اطلاعات لازم برای مدیریت است. به دلیل اهمیت شیوه های تصمیم گیری مدیران بیمارستان ها در پیشبرد اهداف بیمارستان و اهمیت قدرت پیش بینی آنان در حل مشکلات درمانی بیراران، این مطالعه باهدف استفاده مدیران بیمارستان ها از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستان HIS جهت پیش بینی دقیق تر و تصمیم گیری بهتر و مؤثرتر برای درمان بیماران صورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات 280 بیمار است که از انبار داده سایت UCI استخراج شده وشامل 14 متغیر می باشد. از سه مدل رگرسیون لجستیک، درخت تصمیم با ساختار کارت و شبکه عصبی که از جمله پرکاربردترین ابزارهای کلاس بندی در داده کاوی هستند، برای پیش بینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش بینی مدل ها مورد مقایسه قرار گرفته است. بر اساس نتایج مشاهده میشود که مد شبکه عصبی با ساختار پرسپترون چنرد لایره دارای بیشترین دقت بوده و با دقتی برابر با 83.33% عمل کلاسبندی را برای مجموعه مشاهدات آزمون انجام داده است.

کلیدواژه‌ها:

داده کاوی، رگرسیون لجستیک، درخت تصمیم، شبکه عصبی، بیماری قلبی

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-MOCONF01-MOCONF01_0834.html
کد COI مقاله: MOCONF01_0834

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:
کاظمی, مریم؛ حسین مهدی زاده و اردشیر شیری، ۱۳۹۳، پیش بینی بیماری قلبی با استفاده از سه تکنیک داده کاوی، کنفرانس بین المللی حسابداری و مدیریت، تهران، موسسه همایشگران مهر اشراق، مرکز همایشهای دانشگاه تهران، https://www.civilica.com/Paper-MOCONF01-MOCONF01_0834.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: (کاظمی, مریم؛ حسین مهدی زاده و اردشیر شیری، ۱۳۹۳)
برای بار دوم به بعد: (کاظمی؛ مهدی زاده و شیری، ۱۳۹۳)
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 :

  • الوانی، سید مهدی، خسروی، محبوبه. ۳۸۴ ۱.نقش سیستم های اطلاعات ...
  • آمره، مریم، ۱۳۹۲، بررسی الگوریتم های داده کاوی و مقایسه ...
  • قاسم احمد، لیلا، ۱۳۹۲، مروری بر۷ الگوریتم برتر داده کاوی ... (مقاله ژورنالی)
  • مقدسی، حمید، حسینی، _ عظم السادات، اسدی، فرخنده، جهانبخش، مریم، ...
  • طلوعی اشلقی، عباس، پورابراهیمی، علی، ابراهیمی، ماند انا، ‌قاسم احمد، ... (مقاله ژورنالی)
  • ارائه راه حلی برای تشخیص بیماری به کمک تکنیک های داده کاوی [مقاله کنفرانسی]
  • کاظمی، الفضل؛ یوسف زاده، احسان؛ عظیمی، پرهام، ۱۳۹۲، تشخیص بیناری ... (مقاله کنفرانسی)
  • بهرامی زنور، مریم، ۱۳۸۹، داده کاوی:کشف پنهان داده ها، اداره ...
  • WHO Global InfoBase Online.2007. Available from: ...
  • Tavakoli N, Jahanbakhsh M.2010. Opportunities and Challenges of EHR Imp ...
  • Obenshain MK. 2004. Application of data mining techniques to healthcare ...
  • Endo A, Shibata T, Tanaka H.2008 .Comparison of Seven Algorithms ...
  • Hastie, Trevor, Tibshirani, Robert , Friedman, Jerome (2009), The Elements ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۴۷۵
    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.