سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی

Publish Year: 1391
Type: Conference paper
Language: Persian
View: 3,393

This Paper With 7 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICNMO01_153

Index date: 9 March 2013

تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی abstract

در این تحقیق روش جدیدی برای تشخیص بیماری دیابت ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن می باشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق داده های 867 نفر زن با 7 ویژگی مورد ارزیابی قرار گرفت که سعی شده تا با استفاده از ترکیبروشهای هوشمند مصنوعی ازقبیل الگوریتم ژنتیک برای کاهش ویژگی از 7 به 4، سیستمهای Fuzzy بمنظور تصمیم گیری آنی و صحیح، Decission Tree بمنظور انتخاب بهترین حالات برای حل مساله و FCM ، روشی نو بمنظور تشخیص صحیح و دقیق این بیماری معرفی کنیم . سیستم پیشنهادی با استفاده از ترکیب روشهای مذکورموفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی 74.33 % دست یابد که درمقایسه با روشهای رایج از یکطرف و روشهای مصنوعی ازطرف دیگر در مراجع مذکور در نوع خود مناسب می- باشد.

تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی Keywords:

تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی authors

جواد حدادنیا

دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک

جواد وحیدی

دانشگاه علم وصنعت ایران واحد بهشهر، بهشهر،ایران،

اعظم قره خانی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی )نیشابور(، دانشکد

محمد فیوضی

دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک

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 :
سیستم‌های (D-T)داده‌کاوی وسیستم ها ی ikt2012- 4" ...
محمد فیوضی، اعظم قره خانی و جواد حدادنیا " ارائه ...
سید محمد محمد زاده ضیابری، دکتر عبادزاده، "پروهپیانی سیستم‌ها و ...
C.Dring, M.J.Lesot, and R.Kruse, "Data analysis with fuzzy جیی ...
احسان عسگریان، حسن معمارزاده، محسن سریانی، جعفر حبیبی، "رویکرد جدید ...
جواد محجوبی، ا.ف.ا.شهیدی، " تخمین ارتفاع امواج ناشی از باد ...
سید احسان تهامی، س. م. بامشکی، م.ع. خلیل زاده، "تشخیص ...
World Health Organization, Diabetes Center, Fact SheetND312, wWw. who. i ...
Centers for Disease Control and Prevention, National Diabetes, Fact Sheet ...
Internationl Conference On Nonlinear Modeling _ Optimization 28-29 Aug. 2012, ...
Kuncheva LI, Steimann F. Fuzzy diagnosis (editorial). Artificial Intelligence in ...
Newman, D.J. , Hettich, S..Blake, C.L.S., & Merz, C.J., 1998. ...
Tseng, L.Y. and Yang, S., "Genetic algorithms for clustering _ ...
Bala, J. , Huary, J. , Vafaie, H..De jong, K. ...
Siedlecki, W. and Sklansky, J., "A note On genetic algorithms ...
M. Mitchell. An Introduction to Genetic Algorithms, MIT Press, Cambridge, ...
D. Beasley, D. Bull and R. Marti. An Overview of ...
P. Brigger. An Overview of Genetic Algorithms , URL: http://ltswww. ...
D. E. Goldberg. Genetic Algorithms in Search, Optimization and Machine ...
S. Mitra, K. M. Konwar and . K. Pal, "Fuzzy ...
Cybernetics, Part C: Applications and Reviews, Vol.32, pp.328-339, 2002 ...
M. Sugeno, "Industrial Applications of Fuzzy Control", Elsevier, Book, New ...
F. Bergh and A. Engelbrecht, "A new loc allyconvergent particle ...
F .Herrera and M.Lozano, "Fuzzy adaptive genetic algorithm:" design, taxonomy ...
A.Baraldi, and P.Blonda, _ Survey of Fuzzy Clustering, Algorithms for ...
J. C. Bezdek, Pattern Recognition with Fuzzy Object Fuzzy Object ...
A.K. Jain, M.N. Murty, and P.J. Flynn, "Data Clustering: _ ...
Rui Xu, and Donald Wunsch, "Survey of Clustering Algorithm", IEEE ...
clustering methods", Computational Statistics & Data Analysis, _ Elsevier B.V, ...
Kantardzic, M _ " Data Mining: Concepts, Models, Methods, and ...
Asma A. AlJarullah, King Saud University, " Decision Tre Discovery ...
نمایش کامل مراجع

مقاله فارسی "تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی" توسط جواد حدادنیا، دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک؛ جواد وحیدی، دانشگاه علم وصنعت ایران واحد بهشهر، بهشهر،ایران،؛ اعظم قره خانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی )نیشابور(، دانشکد؛ محمد فیوضی، دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک نوشته شده و در سال 1391 پس از تایید کمیته علمی کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله بیمار، دیابت، پردازش، سیستم های هوشمند هستند. این مقاله در تاریخ 19 اسفند 1391 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 3393 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این تحقیق روش جدیدی برای تشخیص بیماری دیابت ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن می باشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ ... . این مقاله در دسته بندی موضوعی دیابت و داده کاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص فازی بیماری دیابت براساس قوانین و ویژگی های بهنیه مبتنی برترکیب سیستم های داده کاوی و الگوریتم های هوشمند مصنوعی با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.