ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین

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:

بهره اطلاعاتی , K نزدیک ترین همسایه , شبکه عصبی , درخت تصمیم