حمیدرضا اشرفی اصفهانی - دانشجوی کارشناسی ارشد کامپیوتر

یکی از بزرگترین معضلات زندگی ماشینی، همانا کم تحرکی می باشد که می تواند خود باعث هزاران مشکل در سلامتیانسان تلقی گردد .در دهه اخیر همزمان با زندگی ماشینی بیماری های زیادی منجمله سرطان و بیماریهای قلبی و عروقیدر جوامع مختلف رایج شده که سالیانه تعداد زیادی از مردم را به کام مرگ می برد .در این پایان نامه بر روی بیماریهایقلبی و عروقی و به خصوص ایست قلبی تمرکز خواهیم کرد .از آنجا که فقط 10 دقیقه ماکزیمم بعد از اتفاق افتادن ایستقلبی وقت برای احیای مریض وجود دارد لذا تشخیص زودهنگام بیماری می تواند در حفظ جان میلیونها نفر در اقصی نقاطدنیا نقش مهمی ایفاء نماید .داده کاوی علمی است که از روی داده های جمع آوری شده و تاریخچه موجود به ایجاد مدلیمی پردازد که این مدل برای پیشگویی ابتلای مراجعه کنندگان جدید به یک بیماری یا های ریسک بودن یا نبودن آنها میتواند کارایی داشته باشد .هر چقدر میزان دقت پیشگویی یا تشخیص یک الگو یا مدل ایجاد شده بیشتر باشد به هماننسبت گفته می شود اصطلاحا کارایی الگوریتم مورد استفاده بیشتر بوده است .در این تحقیق بر روی داده های بیمارانقلبی- عروقی که از آزمایشگاه UCI جمع آوری شده الگوریتم های کشف الگو شامل درخت تصمیم، شبکه های عصبی، Naive Bayes ، KNN ، SVMT ،Rough set را اعمال کرده و دقت شناسایی و پیشگویی آنها را باهم مقایسه می نماییم و در نهایت یک الگوریتم ترکیبی برای بالابردن میزان دقت این الگوریتم ها پیشنهاد می شود.

روابط انجمنی، بیماری های قلبی، تشخیص زودهنگام، داده کاوی