داده کاوی از طریق سیستم های خبره جهت پیش بینی و تشخیص سرطان سینه و مقایسه آن با دیگر روش های داده کاوی
Publish place: The second national conference Math: Advanced Engineering Mathematics with techniques
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 1,331
This Paper With 7 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:
MAEMT02_073
Index date: 2 August 2017
داده کاوی از طریق سیستم های خبره جهت پیش بینی و تشخیص سرطان سینه و مقایسه آن با دیگر روش های داده کاوی abstract
پیش بینی و تشخیص سرطان سینه براساس داده های پیشین را می توان در دسته مسایل NP قرار داد و روش های هوشمند از جمله سیستم های خبره راهکارهایی نوینی در یافتن پاسخ اینگونه مسایل است که در دهه های اخیر مورد توجه قرار گرفته است. در این پژوهش داده های 1200 بیمار سرطان سینه زنان ، بیمارستان امید مورد مطالعه بوده که از 30 ویژگی مهم در تشخیص و پیش بینی سرطان سینه، پس از مطالعه و استخراج نظرات خبره پزشکی، 25 ویژگی اصلی انتخاب و حجم داده 4.320.000 فیلد جهت ورود به سه سیستم داده کاوی یعنی ( SVM ، شبکه عصبی MLP و سیستم خبره طراحی شده با CLIPS که دارای 964 قانون بود) ایجاد گردید. نتایج تحقیق نشان از کارایی بالاتر سیستم خبره از دیگر روش های داده کاوی داشته است به گونه ای است که صحت 0/965 عملیات پیش بینی و تشخیص سرطان سینه را با استفاده از سیستم های خبره، قدرت این روش داده کاوی را نسبت به دو روش دیگر، نمایان ساخت.
داده کاوی از طریق سیستم های خبره جهت پیش بینی و تشخیص سرطان سینه و مقایسه آن با دیگر روش های داده کاوی Keywords:
داده کاوی از طریق سیستم های خبره جهت پیش بینی و تشخیص سرطان سینه و مقایسه آن با دیگر روش های داده کاوی authors
محمد بوداغی
دانشجوی کارشناسی ارشد علوم کامپیوتر گرایش نظریه محاسبات دانشگاه صنعتی امیرکبیر تهران(پلی تکنیک)
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 :