تشخیص بیماری عروق کرونر قلبی با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۹۷,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تشخیص بیماری عروق کرونر قلبی با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص بیماری عروق کرونر قلبی با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تشخیص بیماری عروق کرونر قلبی با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن تشخیص بیماری عروق کرونر قلبی با استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک :

تعداد صفحات :۱۰

چکیده مقاله:

یکی از شایع ترین بیماری ها در جوامع مختلف بیماری عروق کرونری قلب است، که یکی از علل اصلی مرگ و میر در کشورهای صنعتی می باشد. مسیله سلامت در پزشکی دارای اهمیت است، پس باید از مدل هایی استفاده کرد که پیش بینی براساس آن ها بیشترین اطمینان و کمترین خطا را داشته باشد. که ما در این مطالعه از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده کرده ایم. وهدف از این پژوهش تشخیص بیماری عروق کرونرقلبی است. این مطالعه از نوع توصیفی- تحلیلی بوده که در این تحقیق از ترکیب الگوریتم ماشین بردار پشتیبان و الگوریتم ژنتیک جهت تشخیص بیماری عروق کرونری قلبی استفاده شده است. دیتاست این پژوهش برگرفته از مخزن دانشگاه کالیفرنیا ایروین (UCI)است. حاوی ۹۲۰ نمونه و ۷۶ ویژگی می باشد که از کلیولند، مجارستان، هانگرین و سوییس جمع آوری شده است. جهت اجرای برنامه ها از نرم افزار متلب استفاده شده است. از معیارهای عملکردی سیستم های تشخیص بیماری، دقت، حساسیت، ویژگی و صحت هستند. که میانگین هر یک از این چهار معیار را برای دو روش ماشین بردار پشتیبان (svm) و ماشین بردار پشتیبان و الگوریتم ژنتیک (svm+Ga) اجرا کردیم. پس از مدل سازی و مقایسه مدل های به وجود آمده دقت svm+Ga به ۸۳% درصد رسیده است. در پژوهش حاضر، مدل به دست آمده مبتنی بر دو روش svm و svm+Ga می باشد که میانگین چهار معیار ارزیابی شد. همچنین تعداد قابل قبولی از افرادی که فاقد بیماری عروق کرونری بودند را نیز شناسایی کرد. ملاحظه می شود که ترکیب ماشین بردار پشتیبان با الگوریتم ژنتیک به دقت بالاتری رسیده است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.