بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 3,119
متن کامل این Paper 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 Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICEEE04_011
Index date: 27 September 2012
بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی abstract
محیط پزشکی از نظر اطلاعات غنی است اما از نظر دانش هنوز ضعیف است. بسیاری از تشخیصات پزشکی توسط تخصص و تجربه پزشکان انجام می شود. اما هنوز هم گزارشاتی راجع به اشتباهات پزشکان در تشخیص بیماری وجود دارد. یکی از بیماری های مهم بیماری قلبی است. در این کار درصدد یافتن روشی برای تشخیص و پیش بینی بیماری های قلبی با استفاده از تکنیک های داده کاوی هستیم. برای این منظور به بررسی و مقایسه بین تکنیک های داده کاوی سنتی مانند درخت تصمیم گیری، بیز ساده شبکه عصبی، K نزدیکترین همسایه، لیست تصمیم گیری و ابزار جدید داده کاوی یعنی طبقه بندی کننده انجمنی وزنی (WAC) پرداخته ایم تا بتوان با توجه به میزان صحت هر یک از الگوریتم ها، الگوریتم مناسبی برای بالا بردن صحت پیش بینی بیماری قلبی یافت.
بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی Keywords:
بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی authors
سکینه زمان پور
دانشگاه آزاد اسلامی واحد کرمان- گروه کامپیوتر
محبوبه شمسی
عضو هیات علمی دانشکده کامپیوتر دانشگاه آزاد بردسیر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :