دوره 15، شماره 3 - ( دوماهنامه بهمن و اسفند 1395 )                   جلد 15 شماره 3 صفحات 172-176 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Shirali M, Madmoli Y, Roohafza J, Karimi H, Baboli Bahmaei A, Ertebati S. IMPROVEMENT DIAGNOSIS OF DIABETES USING A COMBINATION OF SUGENO FUZZY INFERENCE SYSTEMS AND FIREFLY ALGORITHMS. ijdld. 2017; 15 (3) :172-176
URL: http://ijdld.tums.ac.ir/article-1-5344-fa.html
شیرالی مهدی، مدملی یعقوب، روح افزا جمال، کریمی حمید، بابلی بهمئی آرمان، ارتباطی شریف. بهبود تشخیص بیماری دیابت با استفاده از ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب. مجله دیابت و متابولیسم ایران. 1395; 15 (3) :172-176

URL: http://ijdld.tums.ac.ir/article-1-5344-fa.html


1- گروه مهندسی برق، واحد بوشهر
2- کمیته تحقیقات دانشجویی
3- کمیته تحقیقات دانشجویی ، roohafzaj@gmail.com
4- گروه غدد رشد و متابولیسم
چکیده:   (2736 مشاهده)

مقدمه: امروزه درصد بالایی از مردم در معرض خطر ابتلا به بیماری دیابت هستند. این بیماری یکی از خطرناکترین بیماری‌های عصر حاضر است و تشخیص به موقع این بیماری نقش به‌سزایی در درمان آن دارد.

روش‌ها: در این مقاله با استفاده از سیستم استنتاج فازی سوگنو و الگوریتم هوشمند کرم شب تاب، روشی نوین برای تشخیص دیابت ارائه شده است. روش ارائه شده قادر است با استفاده از تعداد کمی قوانین ساده فازی با دقت مطلوبی بیماری دیابت را تشخیص دهد.

یافته‌ها: کارآیی ترکیب سیستم استنتاج فازی سوگنو و الگوریتم کرم شب تاب 24/87 درصد به‌دست آمد.

نتیجه‌گیری: نتایج تجربی نشان می­دهند که این روش روی مجموعه داده استاندارد PID دقت بیشتری نسبتی به الگوریتم­های موجود در این زمینه دارد.

متن کامل [PDF 289 kb]   (1037 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۴/۳/۴ | پذیرش: ۱۳۹۴/۶/۱۷ | انتشار: ۱۳۹۵/۲/۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله دیابت و متابولیسم ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2017 All Rights Reserved | Iranian Journal of Diabetes and Metabolism

Designed & Developed by : Yektaweb