ارایه روشی با استفاده از ترکیب بهره اطلاعاتی K نزدیک ترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین
Publish place: همایش ملی علوم و مهندسی کامپیوتر آینده پژوهشی-سرزمین پایدار
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 619
This Paper With 12 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:
COMPUTER03_017
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
امروزه با گسترش علوم و تکنولوژیهای نوین پیشبینی وضعیت جنین در زمان بارداری بسیار پر اهمیت است چرا که در صورت عدم سلامت می تواند باعث به خطر افتادن جان مادر و جنین شود. از روشهایی که میتوان وضعیت جنین را پیشبینی نمود استفاده از تست CTG است. هدف از این مقاله مقایسه پارامترهای مختلف جهت ارایه روشی برای بهبود پیشبینی وضعیت جنین با استفاده از ترکیب و استفاده همزمان از روش های مختلف دادهکاوی به منظور توانایی شناسایی خطر ریسک سلامت جنین است. در این پژوهش از مجموعه داده Cardiotocography از مخزن یادگیری ماشین UCI استفاده میگردد. ابتدا هشت الگوریتم برتر دادهکاوی بررسی و مقایسه گردیده در نهایت مدلی ترکیبی با استفاده از بهرهاطلاعاتی ، الگوریتمKNN و شبکههای عصبی ایجاد گردیده که توانایی بهتری در پیشبینی متغیر هدف که شامل وضعیت عادی، مشکوک و بیمار است با دقت 93 %از خود نشان می دهد.
Keywords:
Authors
محسن غلامی
دانشگاه آزاد اسلامی واحد بوشهر
علی برومندنیا
دانشگاه آزاد اسلامی واحدتهران جنوب
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 :