به کار گیری مدل درخت خطی محلی در پیش بینی بیماران دیابتی
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 865
This Paper With 6 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:
CESD01_120
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
دیابت یک بیماری خاموش، مزمن، ناتوان کننده و پرهزینه است و مخاطرات جدی را برای خانوادهها و جامعه به همراه دارد. از طرفی با توجه به هزینه های بالایی که این بیماری و عوارض ناشی از آن بر بیمار، خانوادهی آنها و سازمانهای درمانی که مسئولیت درمان و پشتیبانی این بیماران را برعهده دارند تحمیل می نماید، تشخیص بیماری در مراحل اولیه کار میتواند سبب کاهش هزینه های درمان و جلوگیری از عوارض جبران ناپذیر این بیماری گردد. در تشخیص بیماران دیابتی، فاکتورهای مختلفی درگیر است که نیازمند طراحی یک مدل پیشبینی دقیق برای تعیین درست افراد مبتلا به این بیماری است. در این مقاله، با استفاده از مدل عصبی فازی مدل درخت خطی محلی - LOLIMOT به پیشبینی تعداد افراد مبتلا به بیماری دیابت در پایگاه اطلاعاتی که از یکی از بیمارستان های شیراز تهیه گردیده است، پرداختیم. در این راستا ابتدا داده های خام را پس از بررسی اولیه مورد پیش پردازش قرار دادیم و سپس با استفاده از الگوریتم LOLIMOT تعداد افراد مبتلا به بیماری دیابت را پیش بینی نمودیم. نتایج تجربی دقت 100 %را برای داده های موجود نشان داده است.
Keywords:
Authors
زهرا نعیمی
دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران
مریم خادمی
استادیار دانشکده علوم پایه دانشگاه آزاد اسلامی واحد تهران جنوب تهران
میرمحسن پدرام
استادیار دانشکده فنی و مهندسی، دانشگاه خوارزمی، کرج
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 :