مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس
Publish place: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 912
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ITCC03_217
Index date: 26 April 2017
مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس abstract
دنیای پزشکی نیاز به یک روش پیش بینی قابل اطمینان برای تشخیص بسیاری از بیماری ها از جمله دیابت دارد. بندرعباس،واقع در جنوب کشور ایران، دارای حجم بالایی از بیماران دیابتی می باشد. داده های بیماران دیابتی بیمارستان امام رضا شهربندرعباس به عنوان مجموعه داده اصلی این تحقیق به منظور آنالیز و استخراج الگوهای پنهان مورد استفاده قرار گرفته است.تشخیص دیابت با استفاده از 7 مشخصه ی مشترک شامل: 1. جنسیت 2. سن 3. کلسترول 4. تری گلیسیرید 5. قند خونناشتا 6. قند 2 ساعت بعد از غذا 7. کلاس (بیمار یا سالم) از مجموعه داده های موجود انجام شده است. ما از تکنیک هایداده کاوی برای طبقه بندی کارآمد داده های دیابتی استفاده کردیم. در این تحقیق به مقایسه ی الگوریتم های ماشین بردارپشتیبان ، رگرسیون لجستیک، شبکه های عصبی، و Bagging پرداخته ایم. این تکنیک های داده کاوی از لحاظ دقت،صحت و حساسیت مورد ارزیابی قرار گرفتند که الگوریتم Bagging با دقت 98.19%، صحت 100 % و حساسیت 93%بهترین مدل طبقه بندی شناخته شد.
مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس Keywords:
مقایسه الگوریتم های داده کاوی برای تشخیص بیماری دیابت نوع 2 در بندرعباس authors
سیما بداقی
کارشناسی ارشد مهندسی کامپیوتر_نرم افزار، دانشگاه آزاد اسلامی واحد بندرعباس
امید روزمند
دانشگاه آزاد اسلامی واحد بندرعباس
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 :