قالب جوملا

Easy to starts

خرید و دانلود مقاله

شما بلافاصله پس از خرید مقاله ، پروژه و ... میتوانید فایل خریداری شده را دانلود نمایید

بیشتر بخوانید..

Forum Support

منابع فارسی و لاتین

سایت پروژه 24 علاوه بر منابع فارسی سعی در ارائه منابع لاتین و بروز برای دانشجویان مینماید

بیشتر بخوانید..

Great docs & support

مقاله دانشجویی از منابع معتبر

پروژه 24 مقاله ها ، پروژه های دانشجویی و کلیه فایلهای خود را بررسی و سپس در دسترسی دانشجویان قرار میدهد ...

بیشتر بخوانید..

1 1 1 1 1 1 1 1 1 1 امتیاز 5.00 (1 رای)

b_150_100_16777215_00_images_porojeh_0228.jpgامروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگونی به جمع آوری این داده ها می پردازند . تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها ،یکی از اهداف استفاده از این داده ها است. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود.

 

بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها استفاده می شود. این مقاله به معرفی داده کاوی وکاربردآن در صنعت پزشکی (پیش بینی بیماری) با استفاده از الگوریتم های داده کاوی به همراه نرم افزارهای مرتبط با آن پرداخته است

قهرست :

فصل اول : مقدمه

مقدمه

شرح و بیان مسئله

هدف تحقیق

اهمیت و کاربرد نتایج تحقیق

محدودیت

تعریف عملیاتی واژگان

فصل دوم : مفاهیم داده کاوی

تاریخچه

موضوع داده کاوی چیست؟

تعاریف داده کاوی

تفاوت داده کاوی و آنالیزهای آماری

کاربرد های داده کاوی

چند مثال در مورد مفهوم داده کاوی

مراحل داده کاوی

مرحله اول: Business Understanding

مرحله دوم: Data Understanding

جمع آوری داده ها

بحث شرح و توصیف داده ها

مرحله سوم: Data Preparation

Data selecting :انتخاب داده

مرحله چهارم: Modelling

مرحله پنجم: Evaluation

مرحله ششم: Deployment

مفاهیم اساسی در داده کاوی

Bagging

Boosting

MetaLearning

عناصر داده کاوی

تکنیک های داده کاوی

دسته بندی

خوشه بندی

رگرسیون گیری

تجمع وهمبستگی

درخت تصمیم گیری

الگوریتم ژنتیک

شبکه های عصبی مصنوعی

گام نهایی فرآیند داده کاوی،گزارش دادن است

تکنولوژی های مرتبط با داده کاوی

انبار داده

OLAP

محدودیت ها

فصل سوم : کاربرد داده کاوی در پزشکی

داده کاوی در عرصه سلامت

استراتژی های داده کاوی

نمونه هایی از کاربرد داده کاوی در سلامت

مقایسه الگوریتم های هوشمند در شناسایی بیماری دیابت

دسته بندی کننده Bagging

دسته بندی کننده Naïve Bayse

دسته بندی کننده SVM

دسته بندی کننده Random Forest

دسته بندی کننده C

فصل چهارم :درخت تصمیم وپیاده سازی نرم افزار وکا

اهدااف اصلی درخت های تصمیم گیری دسته بندی کننده

گام های لازم برای طراحی یک درخت تصمیم گیری

جذابیت درختان تصمیم

بازنمایی درخت تصمیم

مسائل مناسب برای یادگیری درخت تصمیم

مسائل در یادگیری درخت تصمیم

اورفیتینگ داده ها

انواع روش های هرس کردن

عام سازی درخت

مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی

معایب درختان تصمیم

انواع درختان تصمیم

درختان رگراسیون

الگوریتم ID

الگوریتم Idhat

االگوریتم id

الگوریتم idhat

الگوریتم Cart

الگوریتم C

نرم افزار های داده کاوی

نرم افزار WEKA

قابلیت های WEKA

نرم افزار JMP

قابلیت های JMP

پیاده سازی نرم افزار وکا

پیاده سازی توسط الگوریتم Naïve Bayse

پیاده سازی توسط الگوریتم Decision Trees

ایجاد مدل رگرسیون

ایجاد مدل خوشه بندی

پیاده سازی با الگوریتم نزدیک ترین همسایه

برگه visualize

فصل پنجم:بحث ونتیجه گیری

بحث

نتیجه گیری

پیشنهادات

منابع

3,000 تومان

اخبار دانشگاهی

تماس سریع

Go to top