فروش فایل
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگانفروش فایل
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگاندانلود پایان نامه داده کاوی و کاربرد آن در تشخیص بیماری ها ( دیابت )
عنوان آخر نامه : داده کاوی و استعمال آن در تشخیص درد ها ( دیابت )
قالب بندی : PDF
بسط مختصر : امروزه در اندیشه طبابت جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگونی به سمت جمع آوری این داده ها می پردازند . تحقیق چهر این داده ها و به دست اتیان نتایج و الگوهای مفید در رابطه با بیماری ها ،یکی از اهداف استفاده از این داده ها است . حجم بابرکت این داده ها و سردرگمی بازده 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 سودبخش بین عوامل بیم زا در بیماری ها استفاده می شود. این مقاله به سمت معرفی داده کاوی وکاربردآن در تکنیک پزشکی (پیش بینی بیماری) با استفاده از الگوریتم های داده کاوی به همراه نرم افزارهای مرتبط با آن پرداخته است
قهرست :
فصل آغاز : مقدمه
مقدمه
بسط و بیان مسئله
هدف تحقیق
ابهت و کاربرد نتایج تحقیق
محدودیت
تشریح 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 مناسبت مفهوم داده کاوی
مراحل داده کاوی
بار اول: Business Understanding
بار 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 اسیر
سنبله اسیر
رگرسیون گیری
تجمع وهمبستگی
درخت آهنگ گیری
الگوریتم ژن‌شناسی
شبکه های آتشی‌مزاج تصنعی
گام نهایی فرآیند داده کاوی،گزارش دادن است
فن‌آوری های مرتبط با داده کاوی
انبار داده
OLAP
محدودیت ها
فصل سوم : کاربرد داده کاوی در طبابت
داده کاوی باب پهنه سلامت
استراتژی های داده کاوی
نمونه هایی از کاربرد داده کاوی باب سلامت
تشبیه الگوریتم های هوشمند در شناسایی بیماری دیابت
سنخ بندی کننده Bagging
سنخ بندی کننده Naïve Bayse
سنخ اسیر کننده SVM
دسته اسیر کننده Random Forest
دسته بندی عامل C
فصل چهارم :درخت آهنگ وپیاده سازی رقیق افزار وکا
اهدااف اصلی درخت های تصمیم گیری دسته بندی عامل
گام های بایست برای طرح‌ریزی یک درخت تصمیم گیری
دلربایی درختان آهنگ
بازنمایی درخت تصمیم
مسائل درخور از بهر یادگیری درخت تصمیم
مسائل در یادگیری درخت آهنگ
اورفیتینگ داده ها
انواع آیین های هرس کردن
عام سازی درخت
مزایای درختان آهنگ نسبت به سمت روش های دیگر داده کاوی
معایب درختان تصمیم
اشکال درختان تصمیم
درختان رگراسیون
الگوریتم ID
الگوریتم Idhat
االگوریتم id
الگوریتم idhat
الگوریتم Cart
الگوریتم C
نرم آلت های داده کاوی
رقیق آلت WEKA
قابلیت های WEKA
رقیق آلت JMP
استحقاق های JMP
پیاده سازی نرم آلت وکا
پیاده سازی توسط الگوریتم Naïve Bayse
پیاده سازی توسط الگوریتم Decision Trees
ابداع مدل رگرسیون
ایجاد مدل خوشه بندی
پیاده سازی با الگوریتم نزدیک ترین همسایه
برگه visualize
فصل پنجم:بحث ونتیجه گیری
بحث
پاداش گیری
پیشنهادات
منابع