قالب بندي : PDF
قيمت : رايگان
شرح مختصر : امروزه در دانش پزشكي جمع آوري داده هاي فراوان در مورد بيماري هاي مختلف از اهميت فراواني برخوردار است. مراكز پزشكي با مقاصد گوناگوني به جمع آوري اين داده ها مي پردازند . تحقيق روي اين داده ها و به دست آوردن نتايج و الگوهاي مفيد در رابطه با بيماري ها ،يكي از اهداف استفاده از اين داده ها است . حجم زياد اين داده ها و سردرگمي حاصل از آن مشكلي است كه مانع رسيدن به نتايج قابل توجه مي شود . بنابراين از داده كاوي براي غلبه بر اين مشكل و به دست آوردن روابط مفيد بين عوامل خطر زا در بيماري ها استفاده مي شود. اين مقاله به معرفي داده كاوي وكاربردآن در صنعت پزشكي (پيش بيني بيماري) با استفاده از الگوريتم هاي داده كاوي به همراه نرم افزارهاي مرتبط با آن پرداخته است
قهرست :
فصل اول : مقدمه
مقدمه
شرح و بيان مسئله
هدف تحقيق
اهميت و كاربرد نتايج تحقيق
محدوديت
تعريف عملياتي واژگان
فصل دوم : مفاهيم داده كاوي
تاريخچه
موضوع داده كاوي چيست؟
تعاريف داده كاوي
تفاوت داده كاوي و آناليزهاي آماري
كاربرد هاي داده كاوي
چند مثال در مورد مفهوم داده كاوي
مراحل داده كاوي
مرحله اول: Business Understanding
مرحله دوم: Data Understanding
جمع آوري داده ها
بحث شرح و توصيف داده ها
مرحله سوم: Data Preparation
Data selecting :انتخاب داده
مرحله چهارم: Modelling
مرحله پنجم: Evaluation
مرحله ششم: Deployment
مفاهيم اساسي در داده كاوي
Bagging
Boosting
MetaLearning
عناصر داده كاوي
تكنيك هاي داده كاوي
دسته بندي
خوشه بندي
رگرسيون گيري
تجمع وهمبستگي
درخت تصميم گيري
الگوريتم ژنتيك
شبكه هاي عصبي مصنوعي
گام نهايي فرآيند داده كاوي،گزارش دادن است
تكنولوژي هاي مرتبط با داده كاوي
انبار داده
OLAP
محدوديت ها
فصل سوم : كاربرد داده كاوي در پزشكي
داده كاوي در عرصه سلامت
استراتژي هاي داده كاوي
نمونه هايي از كاربرد داده كاوي در سلامت
مقايسه الگوريتم هاي هوشمند در شناسايي بيماري ديابت
دسته بندي كننده Bagging
دسته بندي كننده Naïve Bayse
دسته بندي كننده SVM
دسته بندي كننده Random Forest
دسته بندي كننده C
فصل چهارم :درخت تصميم وپياده سازي نرم افزار وكا
اهدااف اصلي درخت هاي تصميم گيري دسته بندي كننده
گام هاي لازم براي طراحي يك درخت تصميم گيري
جذابيت درختان تصميم
بازنمايي درخت تصميم
مسائل مناسب براي يادگيري درخت تصميم
مسائل در يادگيري درخت تصميم
اورفيتينگ داده ها
انواع روش هاي هرس كردن
عام سازي درخت
مزاياي درختان تصميم نسبت به روش هاي ديگر داده كاوي
معايب درختان تصميم
انواع درختان تصميم
درختان رگراسيون
الگوريتم ID
الگوريتم Idhat
االگوريتم id
الگوريتم idhat
الگوريتم Cart
الگوريتم C
نرم افزار هاي داده كاوي
نرم افزار WEKA
قابليت هاي WEKA
نرم افزار JMP
قابليت هاي JMP
پياده سازي نرم افزار وكا
پياده سازي توسط الگوريتم Naïve Bayse
پياده سازي توسط الگوريتم Decision Trees
ايجاد مدل رگرسيون
ايجاد مدل خوشه بندي
پياده سازي با الگوريتم نزديك ترين همسايه
برگه visualize
فصل پنجم:بحث ونتيجه گيري
بحث
نتيجه گيري
پيشنهادات
منابع
اين پايان نامه از طرف زينب براي سايت پروژه دات كام ارسال شده
پسورد: www.prozhe.com
حجم فايل : ۲,۳۷۰ كيلوبايت
