ارایه یک سیستم خبره تصمیم یار مبتنی بر الگوریتم جستجوی هارمونی گوسی و تصمیمگیری چند معیاره
Publish place: 3rd International Conference on Applied Research in Computer Engineering and Information Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 776
This Paper With 15 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:
CITCONF03_565
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
انبوه داده های تشخیص پزشکی و آزمایشگاهی بیماران امکان مناسبی را برای توسعه سیستم های تصمیم یار به وجود آورده است که با استفاده از ابزار های داده کاوی دانش نهفته در فضای داده را استخراج کرده و به صورت مناسب در اختیار مختصصان و دیگر افراد قرار دهد . یکی از گام های اصلی در تشخیص پزشکی ، استخراج قوانین اگر-آنگاه از مجموعه داده ها و ایجاد پایگاه دانش جهت اعمالی مانند دسته بندی، خوشه بندی ، تصمیم گیری و غیره است. هدف از این تحقیق استخراج قوانین قابل تفسیر، خوانا و با دقت، جهت دسته بندی و تشخیص افراد سالم از بیمار دیابتی است. روش مورد استفاده بدیع بوده و ترکیبی از روش های تصمیم گیری چند معیاره دیمتل فازی و تحلیل شبکه ای فازی برای انتخاب ویژگی ها و با استفاده از استخراج وزن ویژگی ها در ترکیب با الگوریتم جستجوی هارمونی ابداعی به کار برده شده است تا فضای گسترده مجموعه داده مورد کاوش قرار گیرد و الگوی جامع و بهینه استخراج شود. نتایج نشان می دهد روش پیشنهادی انتخاب ویژگی ترکیبی موثر بوده و توانسته معیار دقت دسته بندی را افزایش دهد.نتایج حاکی از، برتری روش مذکور بر دیگر روش های معروف دیگر بر مبنای دقت سراری و معیار کاپا دارد
Keywords:
Authors
فرخ قناطیر
گروه مهندسی کامپیوتر، واحد بهبهان، دانشگاه آزاد اسلامی، بهبهان، ایران
فرشاد قناطیر
گروه مهندسی کامپیوتر، واحد بهبهان، دانشگاه آزاد اسلامی، بهبهان، 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 :