سال انتشار: ۱۳۹۰

محل انتشار: همایش ملی کامپیوتر و فناوری اطلاعات

تعداد صفحات: ۷

نویسنده(ها):

سحر جهازی – مهندس نرم افزار کامپیوتر،دانشگاه آزاد اسلامی واحد سپیدان،باشگاه پژ
حسین روشن ضمیر – مهندس نرم افزار کامپیوتر،دانشگاه آزاد اسلامی واحد سپیدان،باشگاه پژ

چکیده:

تشخیص بیماری ها در علم پزشکی یکی از زمینه های پرکاربرد داده کاوی محسوب می شود. از دیدگاه داده کاوی تشخیص بیماری ها جزء مسائل کلاسه بندی داده ها محسوب می شود. اگر چه بعضی از کلاسه بندها نسبت به بقیه بهتر عمل می کنند ولی هیچ یک نمی تواند بر دیگری برتری داشته و یا داده ها را بدون هیچ خطایی کلاسه بندی کند. هر کلاسه بند تواناییها و ضعف های مربوط به خود را دارد. در چند سال اخیر ترکیب کلاسه بندها با هدف غلبه بر محدودیتهای کلاسه بندها به طور وسیعی مورد مطالعه قرار گرفته است. در این مقاله با بکارگیری روش های کلاسه بندی ترکیبی مشهور برای تشخیص سرطان سینه روی مجموعه داده سرطان سینه Wisconsin ضمن ارزیابی و مقایسه این روش ها یا یکدیگر نشان داده می شود که در مقایسه با کلاسه بندهای شبکه عصبی، نزدیکترین-k همسایه، بیز ساده ی به کار رفته در ترکیب نتایج دقیق تری تولید می کنند.