استفاده از دانش تخصصی برای تقویت ساختار شبکه های بیزین درتشخیص بیماری دیابت نوع 2

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 660

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCOS02_056

تاریخ نمایه سازی: 5 مهر 1393

چکیده مقاله:

دیابت نوع 2 بیماری پرهزینهای است که در جمعیت بزرگسالان بسیاری از کشورها علت اصلی نابینایی، بیماریهای قلبی و عروقی، نارسایی پیشرفته ی کلیوی و قطع عضو است. دیابت علاج قطعی ندارد و به نظر نمیرسد که در آینده نزدیک هم درمان قطعی آن میسر شود، لذا، همچون بسیاری از بیماری ها بهترین راه برای درمان، پیشگیری از آن است. برای پیشگیری از این بیماری لازم است تا افراد مستعد این بیماری شناسایی شوند. بیماری دیابت نوع 2 دارای علائم و مشخصه های متفاوتی است که بررسی آن ها نیاز به دقت زیادی دارد و صحت پیش بینی افراد مستعد بیماری دیابت نوع 2 بسیار حائز اهمیت است. تا کنون روش های بسیاری برای پیش بینی بیماری دیابت نوع 2 با استفاده از تکنیک های هوشمند ارائه شده است. اگرچه، صحت پیش بینی این بیماری هنوز به میزان قابل قبول نمی باشد. در این تحقیق، روشی مبتنی بر شبکه های بیزین برای رسیدن به صحت بالاتر در پیش بینی پیشنهاد شده است. در این تحقیق برای افزایش میزان صحت پیش بینی این طبقه بندها، استفاده از روش های مختلف پیش پردازش داده ها و استفاده از دانش تخصصی برای تقویت ساختار این طبقه بندها پیشنهاد شده است. نتایج حاصل از این تحقیق نشان دادند که به کار بردن طبقه بند شبکه بیزین با استفاده از دانش تخصصی برای تقویت ساختار شبکه بیزین، می تواند میزان صحت پیش بینی طبق هبندی بیماری دیابت نوع 2 را افزایش دهد.

کلیدواژه ها:

بیماری دیابت نوع 2 ، شبکه های بیزین ، دانش تخصصی

نویسندگان

گلناز علم اموز

دانشکده کامپیوتر، دانشگاه آزاد اسلامی نجف آباد، ایران

محمدحسین ندیمی شهرکی

دانشکده کامپیوتر، دانشگاه آزاد اسلامی نجف آباد، ایران

فرامرز صافی اصفهانی

دانشکده کامپیوتر، دانشگاه آزاد اسلامی نجف آباد، 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 :
  • _ _ _ _ 1) in 18Th International Conference on ...
  • _ _ _ _ _ " A strutural learning, " ...
  • S. Yang and K.-c. Chang, "comparison of score metris for ...
  • S. Acid, L. M. de Campos, J. M. Fern andez-Luna, ...
  • N. Friedman, D. Geiger and M. Goldszmidt, "Bayesian Network Classifier, ...
  • E. J. Keogh and M. J. Pazzani, "Learning Augmented Bayesian ...
  • C las sification-based Approaches, " in Seventh Inter»ational Workshop on ...
  • Y. Guo, G. Bai and Y. Hu, "Using bayesian network ...
  • _ _ _ _ to computational intelligence and security workshops, ...
  • R. Chang, "Advanced algorithms of bayesian network learning and inference ...
  • _ K. Mansinghka, C. Kemp, J. B. Tenenbaum and T. ...
  • http:/archive. ics. uci. edu/ml/da tasets/Pima +Indians +Diabetes. ...
  • American Diabetes Association, "Diabetes, Standards of Medical Care in, " ...
  • J. E. Hall and A. C. Guyton, Guyton and Hall ...
  • نمایش کامل مراجع