مقدمه: بیماری سرطان پستان یکی از شایع ترین انواع سرطان و شایع ترین نوع بدخیمی در زنان است که در سال های اخیر روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را کاهش یا افزایش می دهند. داده کاوی از روش هایی است که در تشخیص یا پیش بینی سرطان ها به کار می رود و یکی از بیشترین کاربردهای آن، پیش بینی عود مجدد سرطان پستان است. روش: در این مطالعه گذشته نگر از داده های 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده شد که از این تعداد 458 نفر (66 درصد) سرطان آن ها عود نکرد و 241 نفر (34 درصد) سرطان آن ها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمع آوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیک ترین همسایگی و الگوریتم ژنتیک برای پیش بینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیک ترین همسایگی برای پیش بینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسب تری داشته باشد. نتایج: تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیش بینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش های دیگر خروجی مناسب تری دارد. نتیجه گیری: در این مطالعه الگوریتم پیشنهادی با روش های دیگر پیش بینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

روشهای مختلف آماری، غیرآماری و جعبه سیاه در فرایندهای پیش بینی جریان رودخانه استفاده می شوند. از میان روشهای آماری، روش رگرسیون ناپارامتری K- نزدیک ترین همسایگی به واسطه پایه ریاضی و سادگی ذاتی، یکی از روشهای مناسب در فرایندهای پیش بینی است. در این تحقیق ضمن معرفی کامل روش K-NN به تشریح راهکارهای توسعه و بهبود این روش پرداخته می شود که از آن جمله می توان به معرفی روشهای تخمین بهترین همسایگی، توابع انتقال اطلاعات (پیش پردازش)، توابع فاصله سنجی و روش پیشنهادی برای برونیابی اشاره کرد. روش پیش بینی K-NN به همراه راهکارهای توسعه آن بر روی مطالعه موردی پیش بینی آورد حوضه بالادست سد زاینده رود اجرا شد. مقایسه نتایج نهایی روش K-NN کلاسیک با روش اصلاح شده K-NN (تعداد همسایگی 5، تابع انتقال دامنه مقیاس، تابع فاصله سنجی ماهانالوبیس و اعمال روش برونیابی پیشنهادی) نشان می دهد که مدل بهبود یافته در پارامترهای نکویی برازش، ریشه میانگین مربعات خطا، درصد حجم خطا و میزان همبستگی به ترتیب 45، 59 و 17 درصد بهبود عملکرد داشته است. این نتایج، ضرورت اعمال راهکارهای ذکر شده را برای استخراج پیش بینی های دقیق تر نشان می دهد.

کیفیت داده ها در امر تصمیم گیری سازمان ها تاثیرگذار می باشد، به گونه ای که تصمیم گیری مبتنی بر داده های فاقد کیفیت سازمان را متحمل هزینه های بالایی می کند. کیفیت داده ها دارای ابعاد متنوعی می باشد که صحت از مهم ترین این ابعاد است. جهت تصحیح داده ها نیاز به تشخیص خطا وجود دارد که با توجه به حجم بالای داده ها، نیاز به یک سیستم خودکار است تا بدون دخالت کاربر این فرایند انجام گیرد.در این مقاله راهکاری خودکار مبتنی بر خوشه بندی k-means جهت تشخیص خطا ارائه شده است. در ابتدا به ازای هر ویژگی، داده ها خوشه بندی می شوند و سپس به ازای هر داده در آن خوشه از روش شبه k نزدیک ترین همسایه، جهت شناسایی خطا استفاده می شود. روش پیشنهادی توانایی تشخیص چندین خطا در یک رکورد را دارد و همچنین قادر است خطا در فیلدهایی با انواع داده متفاوت را نیز شناسایی کند. آزمایشات نشان می دهد که به طور متوسط این روش می تواند %91 خطاهای موجود در داده ها را شناسایی نماید. همچنین روش پیشنهادی با یک روش تشخیص خطا به وسیله قوانین که همانند راهکار پیشنهادی روشی خودکار برای تشخیص خطا در انواع داده ای متفاوت است نیز مورد مقایسه قرارگرفته و نتایج نشان می دهد که روش پیشنهادی به طور متوسط 25% عملکرد بهتری در تشخیص خطا داشته است.

باتوجه به واقع شدن ایران در اقلیم خشک و نیمه خشک، توزیع ناهمگن بارندگی و همچنین وقوع پدیده ی تغییراقلیم سبب ایجاد پدیده هایی مانند سیل، خشکسالی، بیان زایی و تولید ریزگردها و نیز ایجاد خسارت های مختلف اقتصادی، اجتماعی و زیست محیطی گردیده است. یکی از راهکارهای اولیه جهت کاهش این خسارات، پیش بینی رخداد بارندگی است. هدف از مطالعه ی حاضر پیش بینی بارش ماهانه با بکارگیری روش های داده کاوی الگوریتم های درخت تصمیم (M5) و نزدیک ترین همسایگی K (KNN) و مقایسه ی این دو روش در راستای تعیین روش کاراتر در زمینه ی پیش بینی بارندگی با استفاده از داده های هواشناسی ماهانه ی ایستگاه سینوپتیک بیرجند طی دوره ی آماری 2010-1961 میلادی در سه حالت داده خام، میانگین متحرک سه ساله و میانگین متحرک پنج ساله در نرم افزار Weka می باشد. نتایج نشان داد که در تمامی سناریوهای تعریف شده، مدل درختی M5 نسبت به مدل KNN توانایی بیشتری در پیش بینی بارش ماهانه ی این ایستگاه دارد. همچنین پس از بررسی معیارهای ارزیابی R، RMSE، MAE و NS، سناریو پانزدهم با پارامترهای ورودی اختلاف میانگین حداکثر و حداقل دما، متوسط رطوبت نسبی، میانگین سرعت باد و درجه روز سرمایش (بر پایه 21 درجه سانتی گراد) در هر ماه به عنوان بهترین سناریو برای پیش بینی بارش همان ماه تعیین گردید. همچنین نتایج به دست آمده از مقایسه ی سناریوهای تعریف شده در هر مدل در سه حالت داده های خام، میانگین متحرک سه ساله و میانگین متحرک پنج ساله نشان می دهد که در اکثر سناریوها میانگین متحرک پنج ساله به طور میانگین با مقادیر 90445/0R=، 0543/6RMSE= و 78035/4MAE= در مدل M5 و به طور میانگین با مقادیر 83689/0R=، 69825/7RMSE= و 595/5MAE= در مدل KNN پیش بینی دقیق تری از بارش ماهانه را ارائه می دهد.

مقدمه: دیابت یا بیماری قند یک اختلال متابولیک سوخت و سازی در بدن است که توانایی تولید انسولین در بدن از بین می رود و انسولین تولیدی نمی تواند عملکرد طبیعی خود را انجام دهد. وجود علائم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم می کند. هدف این پژوهش، ارائه یک مدل برای افزایش دقت پیش بینی دیابت است. روش: در این مطالعه، پرونده پزشکی 1151 بیمار مبتلا به دیابت با تعداد 19 ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد UCI جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. به منظور ارائه مدل پیش بینی دیابت از الگوریتم ژنتیک و نزدیک ترین همسایه استفاده شد. نتایج: نتایج نشان داد که دقت پیش بینی مدل پیشنهادی برابر با 0/76 بود. همچنین برایروش های نایو بیز، شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان دقت پیش بینی به ترتیب برابر با 0/62، 0/65 و 0/75 به دست آمد. نتیجه گیری: در پیش بینی دیابت، مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه، دارای حداقل میزان خطا و بیش ترین دقت و صحت است. روش نایو بیز، حداکثر میزان خطا و کم ترین دقت را دارا می باشد.

در مرحله ی نهاییِ نارسایی کلیه، پیوند کلیه می تواند عمر بیماران را طولانی کند و کیفیت زندگی بیمار را بسیار بهبود بخشد. بعد از عمل پیوند کلیه، بررسی میزان یا پیش بینی بقای کلیه ی پیوندی اهمیت زیادی دارد. این مطالعه بر روی بیماران کلیه ی پیوندی بیمارستان هایامام رضا(ع) و چهارمین شهید محراب کرمانشاه در سال های 2012-2001 انجام شده است. از آن جایی که داده های نامتوازن باعث ناکارامدی مدل های یادگیری ماشین می شوند، ابتدا داده های نامتوازن با دو روش بیش نمونه برداری و زیر نمونه برداری متوازن شدند؛ سپس عوامل اثرگذار بر بقای پیوند کلیه به کمک الگوریتم فراابتکاری ژنتیک شناسایی شده و مدل یادگیر طبقه بند نزدیک ترین همسایه برای پیش بینی بقای پنج ساله ی کلیه ی پیوندی به کار گرفته شد. بقای کلیه ی پیوندی در روش بیش نمونه برداری با دقّت 8/96 درصد و زیر نمونه برداری با دقّت 2/89 درصد پیش بینی شد. هم چنین، ویژگی های وزن، سنِّ دهنده و گیرنده، اوره ی قبل پیوند، کراتین قبل پیوند، هموگلوبین قبل و بعد پیوند، جنسیتِ دهنده، RHدهنده و گیرنده، بیماری اولیه، سنِّ دهنده ی بالای سی و سنِّ گیرنده ی بالای چهل، به عنوان ویژگی های تأثیرگذا ر در بقای کلیه پیوندی شناسایی شد. مقایسه نتایج به دست آمده از این پژوهش با مطالعات پیشین، برتری مدل پیشنهادی را از نقطه نظر دقّت مدل نشان می دهد. به عبارتی متوازن سازی داده ها همراه با انتخاب ویژگی بهینه منجر به ارائه مدل پیش بینی دقیق تری می شود.

اندازه گیری ظرفیت تبادل کاتیونی خاک در سطوح وسیع، معمولا بسیار پرهزینه و وقت گیر است. تخمین این کمیت به وسیله ویژگی های زودیافت خاک، از طریق توسعه توابع غیرپارامتریک می تواند رویکرد مناسبی باشد. در این پژوهش روش غیرپارامتریکی با عنوان K- نزدیک ترین همسایگی در تخمین CEC خاک استفاده شد و نتایج آن با یکی از پرکاربردترین روش های مرسوم مبتنی بر مدل های شبکه عصبی مصنوعی (ANN) مورد مقایسه قرار گرفت. 683 نمونه خاک از مناطق مرکزی ایران انتخاب شدند که 120 عدد از آنها به عنوان داده های مورد آزمون (هدف) و 563 عدد به عنوان بانک داده مرجع (آموزش) قرار گرفتند. مقادیر پارامترهای رس، سیلت، شن و کربن آلی خاک به عنوان متغیر مستقل ورودی (زودیافت) و CEC به عنوان متغیر وابسته خروجی بودند. نتایج نشان داد که بیشترین خطای برآورد (MaxE) در روش K-NN برابر4.81 cmol+/kg  و این مقدار در روش ANN برابر 5.26 cmol+/kg بود. ریشه میانگین مربعات خطا در روش K-NN، 1.51 و در روش ANN، 1.53 بود، که نشان می دهد هر دو روش قادرند با دقت بالا و یکسانی CEC خاک های هدف را پیش بینی نمایند. مقادیر مثبت آماره میانگین خطا (ME) برای این دو روش نیز نشان داد که هر دوی آن ها متمایل به برآورد کم تر مقدار CEC می باشند. همچنین نتایج بررسی کارایی مدل ها نشان داد که هر دو روش از کارایی بالایی (EF=0.88) در برآورد ظرفیت تبادل کاتیونی خاک برخوردار هستند.

برای بهینه سازی محدوده نهایی استخراج در معادن زیرزمینی الگوریتم های اندکی موجود می باشند. برخی از این الگوریتم ها مانند روش شاخه و حد و برنامه ریزی پویا از پشتوانه ریاضی برخوردارند ولی از حل مسایل سه بعدی ناتوانند. برخی دیگر مانند کارگاه شناور و با ارزش ترین همسایگی مبتنی بر روش های جستجوگر بوده، ارایه پاسخ بهینه را تضمین نمی کنند. الگوریتم با ارزش ترین همسایگی بر روی یک مدل خانه ای (بلوکی) سه بعدی اجرا شده و برای خانه های مدل بهترین همسایگی را با رعایت محدودیت های ابعاد کارگاه تعیین می کند. اما از آنجا که روشی جستجوگر می باشد، ممکن است محدوده نهایی به دست آمده شامل بلوک های باطله ناخواسته ای باشد که حذف آنها محدودیت های ابعاد کارگاه را نقض نمی کند. همچنین ممکن است برخی بلوک های ماده معدنی از محدوده نهایی حذف شده باشند که امکان افزودن آنها وجود داشته باشد. مقاله حاضر اصلاحاتی را برای الگوریتم ارایه می کند که در قالب اجرای دوم پیشنهاد شده است. پس از پایان اجرای اول الگوریتم، اجرای دوم پیشنهادی حذف احتمالی بلوک های باطله موجود در محدوده نهایی و افزودن احتمالی بلوک های معدنی بیرون از این محدوده را بررسی می کند. این مقاله نشان می دهد که اجرای دوم می تواند ارزش اقتصادی محدوده نهایی را بالا برده و به بهینه واقعی نزدیک تر کند.