سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو

Publish Year: 1393
Type: Conference paper
Language: Persian
View: 747

This Paper With 6 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:

IAUFASA02_308

Index date: 8 March 2015

بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو abstract

با توجه به حجم زیاد داده های پزشکی، یکی از پرکاربردترین روش ها جهت تشخیص الگو در میان اطلاعات پنهان، استفاده از تکنیک های داده کاوی است. ماشین های بردار پشتیبان یک الگوریتم جدید از تکنیک های داده کاوی است که اخیرا محبوبیت آن در یادگیری ماشین و آمار افزایشپیدا کرده است. از این رو ماشین بردار پشتیبان یکی از مهم ترین الگوریتم های یادگیری ماشین است که بیشتر در مسائل تشخیص الگو و برآوردمسائل تابع غیر خطی پیاده سازی شده است. این روش اخیرا برای توسعه طبقه بندی خودکار بیماری و هم چنین بیماری دیابت و بهبود روش های تشخیص بیماری در محیط بالینی استفاده شده است. آخرین کارها در این زمینه ثابت کرده است که ماشین بردار پشتیبان تطبیقی بهتر از دیگر روش های توسعه یافته طبقه بندی ماشین بردار پشتیبان عمل می کند. در این مقاله مفاهیم، جنبه های نظری و روش های توسعه یافته از ماشین بردار پشتیبان مورد بررسی قرار می گیرد.

بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو Keywords:

بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو authors

ماهرخ انصاری

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

سعیده بارانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

منصور امینی لاری

عضو هیات علمی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

پیروز شمسی نژاد

استاد گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز

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 :
Wei Zhong1, Rick Chow1, Richard Stolz3, Jieyue Clustering Hierarchicalو He4, ...
V. Anuja Kumari, R.Chitra, Clas sification Of Diabetes Disease Using ...
Applications, Vol. 3, Issue 2, pp.1797-1801, March - April 2013. ...
_ Girbiz, E.Klc, A new adaptive support vector machine for ...
BARAKAT, A.P. BRADLEY, M.N. BARAKAT, Intelligible support vector machines for ...
Santi Wulan Purnami, A New Smooth Support Vector Machine and ...
approach, " IEEE Trans. Knowl. Data Eng., vol. 19, no. ...
_ _ Barakat and , P. Bradley, "Rule extraction from ...
DUDA, R.O., P.E. HART, D.G. STORK, Pattern classification, Wiley- Interscience ...
Lee, Y.]. and O.L. Mangasarian, A smooth support vector machine ...
Optimization and Applications, Volume 20, Issue 1, pp 5-22, 2001. ...
Davar Giveki Hamid Salimi, GholamReza Bahmanyar, Younes Khademian , Automatic ...
UBEYLl, E.D., Implementing automated diagnostic systems for breast cancer detection, ...
AKAY, M.F, Support vector machines combined with feature selection for ...
نمایش کامل مراجع

مقاله فارسی "بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو" توسط ماهرخ انصاری، دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز؛ سعیده بارانی، دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز؛ منصور امینی لاری، عضو هیات علمی گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز؛ پیروز شمسی نژاد، استاد گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس، شیراز نوشته شده و در سال 1393 پس از تایید کمیته علمی دومین همایش ملی فناوری های نوین در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله دیابت، تشخیص پزشکی، ماشین بردار پشتیبان هستند. این مقاله در تاریخ 17 اسفند 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 747 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با توجه به حجم زیاد داده های پزشکی، یکی از پرکاربردترین روش ها جهت تشخیص الگو در میان اطلاعات پنهان، استفاده از تکنیک های داده کاوی است. ماشین های بردار پشتیبان یک الگوریتم جدید از تکنیک های داده کاوی است که اخیرا محبوبیت آن در یادگیری ماشین و آمار افزایشپیدا کرده است. از این رو ماشین بردار پشتیبان یکی از ... . این مقاله در دسته بندی موضوعی دیابت طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.