ارایه روشی با استفاده از ترکیب بهره اطلاعاتی Kنزدیکترین همسایه و شبکه های عصبی جهت پیش بینی وضعیت جنین
محل انتشار: دوازدهمین سمپوزیوم پیشرفت های علوم و تکنولوژی کمیسیون دوم:سرزمین پایدار تازه های کامپیوتر و فناوری اطلاعات
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 539
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله 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
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
محسن غلامی
دانشگاه آزاد اسلامی واحد بوشهر
علی برومندنیا
دانشگاه آزاد اسلامی تهران جنوب