ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

تشخیص و کلاس بندی بیماری دیابت نوع 1 با استفاده از الگوریتم های داده کاوی

Year: 1397
COI: INFM02_011
Language: PersianView: 169
This Paper With 13 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

مریم شوشتری - دانشجوی ارشد مهندسی نرم افزار موسسه غیرانتفاعی دیلمان لاهیجان
محمدرضا یمقانی - عضو هیئت علمی گروه کامپیوتر واحد دانشگاه آزاد اسلامی لاهیجان،
راهبه مجتهدی - عضو هیئت علمی گروه کامپیوتر واحد دانشگاه آزاد اسلامی لاهیجان،
مجید مشکین مژه - عضو هیئت علمی موسسه غیرانتفاعی دیلمان لاهیجان

Abstract:

بیماری دیابت یکی از شایعترین بیماریهای حاضر دنیا شناخته شده است که علیرغم گستردگی شیوع این بیماری هنوز روشی به منظور ریشه کن کردن و از بین بردن آن در دنیا شناخته نشده است. تاکنون روشهای هوشمند گوناگونی به منظور حل این مشکل بنیادی در سراسر جهان ارائه گردیده که از آن جمله میتوان به استفاده از روش های تکاملی و نیز استفاده از روش الگوریتم های فازی تشخیص الگو در استخراج ویژگی اشاره نمود. پیشنهاد اخیر محققان در زمینه شناسایی بیماریها منجر به از استفاده از روشهای متکی بر پردازش خودکار و یادگیری ماشینی است که با استفاده از آنها، آنالیز میتواند سبب تمایز میان افراد سالم و یا بیماران دیابتی شود. پیشتر روشهای خودکار ارائه شدهاند که اغلب با دقت کم و عدم قطعیت در دستیابی به پاسخ بهینه همراه بودهاند، جامعیت لازم را ندارند و یا آنکه با مشکل بیش برازش همراه هستند. در این پایان نامه الگوریتمی در جهت تشخیص خودکار بیماری دیابت نوع 1 بر اساس تئوری کارآمد مرکب از شبکه های عصبی، سیستم های استنتاج فازی، الگوریتم ژنتیک و الگوریتم تکاملی ازدحام ذرات پیشنهاد شده که نسبت به روشهای مشابه، از دقت و سرعت بالاتری در عملکرد برخوردار میباشد. در فاز نخست، توسط الگوریتم ازدحام ذرات کمینه ترین تعداد ویژگی انتخاب میشود، سپس در الگوریتم دو مرتبه در آموزش شبکه عصبی فازی تطبیقی-تکاملی )ژنتیک( به دنبال بهترین جواب خواهد بود. مدل شبکه عصبی-فازی تطبیقی تکاملی با کمک الگوریتم ژنتیک طراحی میشود و قادر است با کمترین میزان خطا وجود بیماری دیابت را آشکار سازد. مزیتهای عمده به کارگیری این الگوریتم در آموزش مدل شبکه عصبی فازی انطباقی نسبت به دیگر الگوریتم های بهینه سازی در تشخیص بیماری، قطعیت در رسیدن به پاسخ صحیح و تحلیل مسائل پیچیده با ابعاد گسترده است. برای آموزش شبکه عصبی پیشنهادی از تکنیک اعتبارسنجی K-f old استفاده شده است. علاوه بر داده های دیابت، داده های دیگری نیز از مرجع UCI دریافت شده و با اعمال این داده ها به سیستم، الگوریتم پیشنهادی در سطح قابل قبولی با خطای کمتر از 15 % درتشخیص بیماری دیابت موثر واقع شده است.

Keywords:

بیماری دیابت، شبکه عصبی فازی انطباقی تکاملی، الگوریتم ازدحام ذرات، جامعیت و عدم قطعیت

Paper COI Code

This Paper COI Code is INFM02_011. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/867727/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
شوشتری، مریم و یمقانی، محمدرضا و مجتهدی، راهبه و مشکین مژه، مجید،1397،تشخیص و کلاس بندی بیماری دیابت نوع 1 با استفاده از الگوریتم های داده کاوی،The Second National Conference on New Ideas in Engineering and Engineering،Rasht،،،https://civilica.com/doc/867727

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: موسسه غیرانتفاعی
Paper count: 411
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support