ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین
Publish place: دوازدهمین سمپوزیوم پیشرفت های علوم و تکنولوژی کمیسیون دوم:سرزمین پایدار تازه های کامپیوتر و فناوری اطلاعات
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 563
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:
COMPUTER04_018
تاریخ نمایه سازی: 21 اردیبهشت 1397
Abstract:
امروزه با گسترش علوم و تکنولوژیهای نوین پیش بینی 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 داده کاوی 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 بهره اطلاعاتی 1 ، الگوریتم KNN و شبکه های 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 تهران جنوب