تحلیل مقایسه ای الگوریتم های خوشه بندی با مجموعهداده های بیماری های قلبی با استفاده از ابزار Data Mining Weka
Publish place: The 5th National Conference on Development of Modern Sciences and Technologies in Management, Accounting and Computer Sciences
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 234
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IVCONF05_176
تاریخ نمایه سازی: 26 آبان 1401
Abstract:
قلب عضو مهم بدن انسان (زن یا مرد) است. زندگی کاملا به کار موثر قلب وابسته است.اگر قلب دچار اختلال شود، بیماری های قلبی عروقی سخت ترین بیماری برای کاهش تعداد بیماران است. بر اساس نتایج یک نظرسنجی انجام شده توسط WHO ، دررابطه با ۱۷ میلیون نفر در سراسر جهان جان خود را از دست می دهند که به تبع بیماری های قلبی عروقی می میرند، یعنی ۲۹.۲۰درصد از همه مرگ های ناشی از اکثر کشورهای در حال توسعه. بنابراین، در رابطه با خلاص شدن از آن کار دشوار CVD ، استفاده ازتکنیک های پیشرفته داده کاوی، در میان رشته ای با توجه به کشف دانش بیماری های قلبی، نیاز است. یکی از تکنیک های اساسیداده کاوی، خوشه بندی است که برای تجزیه و تحلیل داده ها از دیدگاه های مختلف و خلاصه کردن آنها به اطلاعات مفید استفادهمی شود. خوشه بندی انتساب اشیاء مربوط به گروهی است که به آنها خوشه می گویند. این مقاله انواع مختلف الگوریتم های خوشه بندیبدون نظارت را مورد بحث قرار می دهد. الگوریتم های بدون نظارت برای مقایسه تحلیل عملکرد آن از طریق زمان جمع آوری خوشه هااستفاده می شوند، خوشه با مقادیر دقیق واقعی و منفی واقعی آن متمایز می شود. هدف اصلی ما این است که مقایسه الگوریتم هایخوشه ای را که در ابزار Weka ارزیابی می شوند، نشان دهیم و بفهمیم کدام مجموعه در رابطه با الگوریتم ها ممکن است برای مجموعهداده های بیماری قلبی مناسب تر باشد.
Keywords:
Authors
هادی ناصری
عضو هیئت علمی واستادیار بخش مهندسی کامپیوتر،دانشگاه آزاد اسلامیواحد استهبان،استهبان،ایران
سعیده زردتشت
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد استهبان،استهبان،ایران