بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو
Publish place: The Second National Conference on New Technologies in Electrical and Computer Engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 690
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:
IAUFASA02_308
تاریخ نمایه سازی: 17 اسفند 1393
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.
Keywords:
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 :