CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی روند بروز بیماری های تنفسی براساس شرایط آب و هوایی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۴۸ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: NCAEA02_029
زبان مقاله: فارسی
حجم فایل: ۷۵۴.۲۳ کیلوبایت (فایل این مقاله در ۷ 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 ۷ 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 روند بروز بیماری های تنفسی براساس شرایط آب و هوایی

  امین محمدیان - گروه مهندسی کامپیوتر، دانشگاه گیلان ، رشت
  سیدابوالقاسم میر روشن دل - گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت
  حمیدرضا احمدی فر - گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت
  سیدعلی علوی - دانشگاه علوم پزشکی گیلان، رشت

چکیده مقاله:

حفظ و تقویت آمادگی برای پذیرش و درمان بیماران یکی از مهم ترین نگرانی های مراکز درمانی است . روزانه بیماران زیادی با علائم مختلف بیماری به مراکز درمانی مراجعه می نمایند. بیماران تنفسی، جامعه بزرگی از این مراجعه کنندگان را تشکیل می دهند. هدف این تحقیق بهره گیری از روش های داده کاوی در جهت س اخت مدل پیش بینی کننده میزان مراجعین است . در ابتدا داده های ورودی مورد پردازش اولیه قرار گرفته و سپس الگوریتم های داده کاوی بر آنها اعمال شده است. الگوریتم های گروه دسته بندی نظیر درخت تصمیم به عنوان الگوریتم هدف انتخاب شده است . میزان تاثیر عملیات های پیش پردازش نیز مورد بررسی و نتایج حاصل از مرحله داده کاوی با داده های ورودی مختلف مورد ارزیابی قرار گرفته است. برای ارزیابی عملکرد الگوریتم ها، از روش اعتبار سنجی متقابل 10 برابری استفاده شده است. الگوریتم های دسته بندی تنبل و درخت تصمیم بهترین عملکرد را از خود نشان دادند. بهره گیری از عملیات های پیش پردازش مختلف نیز موجب بهبود نتایج شده است. در نهایت می توان اینگونه بیان نمود که بهره گیری از روش های یادگیری ماشین می تواند کمک ش ایانی به پیش بینی تعداد مراجعین و در نتیجه افزایش میزان آمادگی مراکز درمانی نماید.

کلیدواژه‌ها:

یادگیری ماشین، داده کاوی، پیش بینی، بیماری های تنفسی

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-NCAEA02-NCAEA02_029.html
کد COI مقاله: NCAEA02_029

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:
محمدیان, امین؛ سیدابوالقاسم میر روشن دل؛ حمیدرضا احمدی فر و سیدعلی علوی، ۱۳۹۷، پیش بینی روند بروز بیماری های تنفسی براساس شرایط آب و هوایی، دومین همایش ملی پیشرفتهای معماری سازمانی، شیراز، دانشگاه صنعتی شیراز، https://www.civilica.com/Paper-NCAEA02-NCAEA02_029.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: (محمدیان, امین؛ سیدابوالقاسم میر روشن دل؛ حمیدرضا احمدی فر و سیدعلی علوی، ۱۳۹۷)
برای بار دوم به بعد: (محمدیان؛ میر روشن دل؛ احمدی فر و علوی، ۱۳۹۷)
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 دولتی
تعداد مقالات: ۱۱۰۵۲
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 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.