دانلود پایان نامه بهبود دقت تشخیص بیماری دیابت نوع 2 با استفاده از الگوریتم ماشین بردار پشتیبان (SVM)
دانلود فایل های همراه محصول
دانلود فایل ضمیمه
شرح مختصر محصول
این پایان نامه با موضوع "بهبود دقت تشخیص بیماری دیابت نوع 2 با استفاده از الگوریتم ماشین بردار پشتیبان (SVM)" می باشد. کلیه سورس و فایل های شبیه سازی پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پایان نامه 87 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.
امکانات اصلی این پایان نامه پس از خرید عبارتند از:
- امکان دانلود فایل Word,pdf پایان نامه
- امکان دانلود سورس شبیه سازی شده با متلب
- امکان دانلود فایل دیتاست
- امکان دانلود فایل مقاله موجود در پایان نامه
- امکان دانلود نمودار اصلی استفاده شده با ویزیو
توجه1: شبیه سازی با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه2: پروپوزال با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه3: در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید پایان نامه فوق کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.
شرح کلی محصول
دیابت نوع 2 (دیابت بزرگسالان یا دیابت غیروابسته به انسولین)، یکی از شایع‌ترین انواع دیابت بوده و حدود 90 درصد بیماران دیابتی را تشکیل می‌دهد. برخلاف دیابت نوع 1، بدن در زمان ابتلا به دیابت نوع 2 انسولین تولید می‌کند، اما یا میزان انسولین تولید شده توسط پانکراس کافی نبوده و یا بدن نمی‌تواند از انسولین تولید شده، استفاده کند. زمانی که انسولین کافی وجود نداشته باشد و یا بدن از انسولین استفاده نکند، گلوکز (قند) موجود در بدن، نمی‌تواند وارد سلولهای بدن شده و باعث جمع شدن گلوکز در بدن می شود و بدن را دچار مشکل و نارسایی می نماید. متاسفانه هنوز درمان کاملی برای این بیماری وجود ندارد، اما با رژیم غذایی سالم و ورزش می شود آنرا بهبود بخشید. درصورتی که رژیم غذایی و ورزش کافی نباشد، می‌بایست درمان دارویی و یا درمان انسولینی را شروع نمود.
علایم دیابت نوع 2 معمولاً آرام آرام خود را نشان می‌دهند. این علایم شامل افزایش تشنگی و ادرار پی در پی، افزایش اشتها و تشنگی، خشکی دهان، تهوع و گاهی استفراغ، خستگی و یا ضعف، بی حسی و یا سوزن سوزن شدن دست و پا، عفونت پی در پی پوست، دستگاه ادرار و یا واژن، تاری دید و زخم هایی که دیر درمان می‌شوند، هستند.
داده کاوی، جستجوی خودکار منابع داده ای بزرگ، جهت یافتن الگوها و وابستگی هایی است که تحلیل-های ساده آماری قادر به انجام آن نیستند. یکی از زمینه هایی که نیازمند استفاده از این ابزارها جهت تحلیل داده های وسیع و مدل سازی پیش گویانه با روش های محاسباتی جدید است، علم پزشکی از جمله تشخیص بیماری دیابت می باشد.
ماشین بردار پشتیبان یکی از الگوریتم های داده کاوی است. این الگوریتم، یک طبقه بندی کننده دودویی است که در سال های اخیر بسیار مورد توجه قرار گرفته است. این الگوریتم، از مهم ترین روش های یادگیری ماشینی با قدرت تعمیم دهی بالا می باشد.
مسأله انتخاب خصیصه یا ویژگی یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. این مسأله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزائی دارد، زیرا در این کاربردها تعداد زیادی خصیصه (ویژگی) وجود دارد که بسیاری از آنها یا بلا استفاده هستند و یا این-که بار اطلاعاتی چندانی ندارند. حذف نکردن این خصیصه ها مشکلی از لحاظ اطلاعاتی ایجاد نمی کند ولی بار محاسباتی را برای کاربرد مورد نظر بالا می برد و علاوه بر این باعث می شود که اطلاعات غیر مفید زیادی به همراه داده های مفید ذخیره شوند.
در دهه های اخیر، روش های تکاملی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته اند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دست یابی به جواب نزدیک و بهینه مطلق از جمله دلایل موفقیت این روش ها است. بهینه سازی انبوه ذرات، نمونه ای از این روش ها است.
در این تحقیق قصد داریم در ابتدا، مجموعه داده مورد استفاده را پیش پردازش نموده، نرمال سازی نماییم. سپس با هدف بالا رفتن دقت میزان تشخیص بیماری دیابت نوع2، به ارائه یک روش ترکیبی با استفاده از الگوریتم های بهینه سازی توده ذرات و ماشین بردار پشتیبان پرداخته و عملكرد روش پیشنهادی را مورد آزمايش و ارزيابي قرار دهیم. برای ارزیابی نتایج از نرم افزار متلب استفاده شده است. مجموعه داده مورد استفاده در این تحقیق از بیمارستان تخصصی و فوق تخصصی حضرت ولیعصر(ع) شهرستان فسا ( از دیابتی های سال 1389 تا 1394 ) جمع آوری شده است که شامل 300 رکورد می باشد. از بین این تعداد رکورد، 75 درصد را برای آموزش و 25 درصد جهت تست درنظر می گیریم.
در این فصل به اهداف تحقیق، اهمیت و ضرورت تحقیق، بیان کلیات مسأله، جنبه نوآوری، روش انجام تحقیق، کاربردهای متصور و نتایج مورد انتظار از تحقیق و روش گردآوری اطلاعات پرداخته و در پایان نیز به شرح مختصری از فصل های این تحقیق، خواهیم پرداخت.
اهداف برجسته تحقیق:
اهداف در این تحقیق، دستیابی به موارد ذکر شده در زیر است:
1- استخراج ویژگی‌های مناسب و مفید و حذف ویژگی های غیر مهم، به منظور کاهش ابعاد مسأله و پیچیدگی‌های محاسباتی و افزایش دقت مسأله
2- تشخیص بیماری دیابت نوع2 با استفاده از روش پیشنهادی
3- مقایسه عملکرد روش های مختلف تشخیص بیماری دیابت نوع2 با روش پیشنهادی
4- افزایش دقت پیش بینی بیماری دیابت نوع2
فهرست فارسی
فصل اول کلیات تحقیق:
1-1 مقدمه
1-2 بیان کلیات مساله
1-3 اهمیت و ضرورت انجام تحقیق
1-4 جنبه نوآوری تحقیق
1-5 اهداف برجسته تحقیق
1-6 پرسش های تحقیق
1-8 روش انجام تحقیق
1-9 کاربردهای متصور و نتایج مورد انتظار از تحقیق
1-10 روش‌های گردآوری اطلاعات
1-11 ساختار پایان نامه
فصل دوم: مروری بر ادبیات و پیشینه تحقیق
2-1 مقدمه
2-2 تعاريف، اصول و مباني نظري
2-2-1 بیماری دیابت
2-2-1-1-1 سن
2-2-1-1-2 جنس
2-2-1-1-3 چاقی
2-2-1-1-4 پرخوري
2-2-1-1-5 ازدواج
2-2-1-1-6 عوامل ژنتیک
2-2-1-2 عوارض ديابت
2-2-1-2-1 عوارض حاد (زودرس)
2-2-1-2-2 عوارض مزمن (ديررس)
2-2-1-2-1 عوارض حاد ديابت
2-2-1-2-1-1 هیپوگلیسمی
2-2-1-2-1-2 هایپرگلیسمی
2-2-1-2-1 عوارض مزمن ديابت
2-2-1-2-1-1 بيماري عروق بزرگ (ماكروواسكولار)
2-2-1-2-1-2 بيماري عروق كوچك (ميكروواسكولار):
2-2-1-2-1-2-1 رتينوپاتي:
2-2-1-2-1-2-2 نفروپاتي ديابتي:
2-2-1-2-1-3 نوروپاتي (درگيري سيستم عصبي محيطي و سيستم عصبي خودكار):
2-3 انتخاب ویژگی
2-8 الگوریتم ماشین بردار پشتیبان
2-9 الگوریتم های تکاملی
2-11 مروري بر پیشینه تحقیق
2-11-1 مروری بر مطالعات انجام شده در رابطه با بیماری دیابت نوع دو در افراد
2-11-2 مروری بر مطالعات انجام شده در رابطه با به کارگیری الگوریتم ماشین بردار پشتیبان در کاربردهای پزشکی
فصل سوم روش اجرای تحقیق:
3-1 مقدمه
3-2 روش تحقیق
3-2-1 الگوریتم بهینه سازی توده ذرات
3-2-2 ماشین بردار پشتیبان (SVM)
3-2-2-1 موارد جدايی‌پذير:
3-2-2-2 موارد جدايی ناپذير
4-2-1 تعیین تابع آموزش
4-2-2 تعیین تابع بهینه کننده
3-7 مدل تحقیق
3-8 روش تجزیه و تحلیل داده ها
3-8-1 آمار توصیفی ]67[
3-8-1-1 تشکیل جدول توزیع فراوانی
3-8-1-2 ترسیم نمودار
3-8-1-3 محاسبه شاخص های مرکزی
3-8-1-4 محاسبه شاخص های پراکندگی
3-10-1-5 محاسبه همبستگی
3-10-1-5-1 محاسبه همبستگی برای تحقیقات پارامتری:
3-10-1-5-2 محاسبه همبستگی برای تحقیقات ناپارامتری
3-10-1-6 رگرسیون و پیش بینی
3-10-1-7 تحلیل داده‌های ماتریس کواریانس
3-9 خلاصه فصل
فصل چهارم شبیه سازی و تجزیه و تحلیل الگوریتم پیشنهادی:
4-1 مقدمه
4-2 نمونه آماری و روش نمونه گیری
4-3 متغیرهای تحقیق
4-3 فلوچارت روش پیشنهادی
4-3-1 پیش پردازش بروی داده ها
4-3-2 فلوچارت نرمال سازی مجموعه داده ها
4-3-3 تفکیک مجموعه داده ها
4-3-4 اجرای الگوریتم PSO
4-4 شبیه سازی الگوریتم پیشنهادی
4-5 جمع بندی
فصل پنجم نتیجه گیری و پیشنهادات:
5-1 مقدمه
5-2 خلاصه تحقیق
5-3 نتیجه‌گیری
5-4 پیشنهادات
محصولات مشابه
پایان نامه یک رویکرد ترکیبی مبتنی بر الگوریتم فرا ابتکاری رقابت استعمار فازی جهت تشخیص حملات بات نت
10,000 تومان
8,000 تومان
پایان نامه یک روش مبتنی بر زبان نشانه گذاری توسعه یافته XML به منظور نفوذ عدم قطعیت در اسناد MongoDB
520,000 تومان
338,000 تومان
پایان نامه جانمایی معماری سازمانی فدرال نسخه 2 در رایانش ابری
545,000 تومان
436,000 تومان
پایان نامه تشخیص سرطان سینه با استفاده از ترکیب روش های خوشه بندی
549,000 تومان
466,650 تومان
نظرات (0)
بازدید های اخیر
تبلیغات
