ارائه الگوریتمی ترکیبی برای تشخیص بیماری دیابت
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,483
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:
PUAST01_058
تاریخ نمایه سازی: 14 شهریور 1393
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 دانسته های خود، آزمایشات پیچیده و وقت گیر به این بیماری پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق سعی شده تا با استفاده از ترکیب روش های هوشمند مصنوعی ازقبیل الگوریتم ژنتیک برای کاهش ویژگی از 8 به 4، سیستم های Decission Tree بمنظور انتخاب بهترین حالات برای حل مساله و شبکه های مصنوعی عصبی (Neural Network) به منظور برآورد، آموزش، انطباق پذیری، یادگیری ماشینی؛ در جهت شناسایی و تشخیص این بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی بالایی دست یابد که در مقایسه با روش های رایج از یکطرف و روش های مصنوعی ازطرف دیگر در مراجع مذکور در نوع خود مناسب میباشد. روش های حاضر علی رغم دقت بالا، هزینه بر و وقت گیر می باشند؛ که با مقایسه این روش با روش های مذکور به دقت و کارایی آن پی خواهیم برد.مطالعه حاضر به جهت مقایسه روشهای قدیمی تر و این مدل فرا ابتکاری شامل ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی و درخت تصمیم در تشخیص بیماری دیابت مبتنی بر قوانین و ویژگی های ترکیب مزکور است.
Keywords:
Authors
امیر امیری
دانشجوی کارشناسی ارشد، نرم افزار، دانشگاه آزاد اسلامی ملایر، ایران
وحید رافع
استادیار ، عضو هیات علمی دانشگاه آزاد اسلامی واحد ملایر
حیدر جعفرزاده
دانشجوی کارشناسی ارشد، نرم افزار، دانشگاه علوم و تحقیقات ایلام، ایران
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 :