| شناسگر رکورد: | ۱۶۳۴۶ |
| رشته تحصیلی: | معماری سیستم های کامپیوتری |
| عنوان: | طراحی سیستم تصمیم یار جهت تشخیص بیماری های قلبی با استفاده از شبکه های عصبی فازی |
| نويسنده: | مهدی وصالی |
| استاد راهنما : | دکتر بیتا امیرشاهی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۹ |
| چکیده: | بیماری قلبی به طور چشمگیری در حال پیشرفت می باشد و در حال حاضر به یک بحران جدی در جامعـه تبـدیل شده است و از اینرو روش های مختلفی برای شناسایی این روش ارائه شده است. از طرفـی هزینـه هـای درمـان ایـن بیماری بسیار بالا می باشد از اینرو شناسایی این بیماری قبل از درمان دارای اهمیت بالایی می باشد. در ایـن راسـتا روش های پیشین دارای دقت بالایی نبودند و قادر نبودند تا ویژگی ها موثرتر را شناسـایی نماینـد و یـا دارای سـربار پردازشی و حافظه ای بالایی بودند. روش پیشنهادی بیان شده در این تحقیق دارای سربار پردازشی پایینی می باشـد و از درخت تصمیمی استفاده می شود که دارای کمترین ارتفاع می باشد و این خود باعث افـزایش سـرعت و کـاهش سربار پردازشی می شود. در روش پیشنهاد شده در این تحقیق از درخت تصمیم گیـری ID۳ بهبـود یافتـه اسـتف اده شده است که در کنار آن برای بهبود عملکرد و دقت از شبکه های عصبی بهبود داده شده با الگوریتم ژنتیـک کمـک گرفته شده است. از الگوریتم ترکیبی شبکه عصبی و الگوریتم ژنتیک برای شناسایی عوامـل مـوثر در بیمـاری قلبـی استفاده می شود یعنی در ابتدا پرسشنامه ای تهیه و از این پرسشنامه به کمک مواردی که وارد شده است مهمتـرین پارامترها برای بررسی انتخاب می شوند و از درخت تصمیم بـرای داده کـاوی روی داده هـای موجـود و پـیش بینـی بیماری استفاده می شود. درختی که در روش پیشنهادی ایجاد می شود دارای کمترین عمـق ممکـن مـی باشـد و از اینرو دارای سرعت بالایی می باشد و سربار محاسباتی نیز پایین می باشـد . در ارزیـابی روش پیشـنهادی نشـان داده شده است که روش پیشنهادی دارای دقت بالایی در حدود ۱۶,۸۳ درصد می باشد که نسبت به روش های مشابه بـه خود دقت بالایی به حساب می آید و نسبت به الگوریتم پایه یعنی ID۳ دارای ۳,۱ برابر بهبود می باشد. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| معماری سیستم های کامپیوتری | |
| بیماری قلبی | |
| شبکه های عصبی | |
| درخت تصمیم | |
| داده کاوی |