نوع مدرک: | متون چاپی |
سرشناسه | جهانبازی ، مسلم، نویسنده |
ردهبندی کنگره : | COM soft 37 1399 |
عنوان : | بررسی عوامل موثر در تشدید بیماری استرپتوکوکوزیس در مزارع پرورش ماهی قزلآلا با استفاده از روشهای داده کاوی |
عنوان موازی : | Investigating the factors influencing the exacerbation of streptococcus in salmon farms using data mining methods |
ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
سال نشر : | 1399 |
صفحه شمار: | و، 73ص |
شابک/شاپا | 23783 |
یادداشت | پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش نرم افزار |
شناسه افزوده : | نعمت بخش ، ناصر، استاد راهنما سلیمانی نیسیانی ، بهزاد، استاد مشاور |
توصیفگرها | استرپتوکوکوزیس دادهکاوی الگوریتمهای دادهکاوی متدولوژی CRISP-DMو انتخاب ویژگی Streptococcosis Data Mining Data Mining Algorithms CRISP-DM Methodology Feature Selection |
چکیده : | امروزه، دادهکاوی یکی از تکنیکهای پرکاربرد میباشد که پـردازش خـود را روی دادههـای انبـوه انجام میدهد. دادهکاوی نه تنها موجب استفاده بهینه از انبوه دادههای ذخیره شده توسط سیستمهای کلینیک شده، بلکه موجب کشف دانش موجود در میان این دادهها نیز شده است. با توجه به فراوانی دادههای پزشکی و بیماریها، این موضوع میتواند بستر مناسبی برای به کارگیری تکنیکهای مختلف دادهکاوی باشد.
بسیاری از بیماریهای باکتریایی ماهی، مسبب تلفات و ضرر اقتصادی بالا در مزارع پرورش قزلآلای رنگین کمان میباشند از این رو شناخت بیماریهای باکتریایی و باکتریهای بیماریزا یکی از مهمترین راهها جهت کنترل و پیشگیری از بروز بیماریهای باکتریایی است. استرپتوکوکوزیس یک بیماری عفونی باکتریایی است که در اکثر مراکز تکثیر و پرورش ماهیان سردابی قزلآلای رنگین
کمان کشور مشاهده شده است. در بروز و همه گیری این بیماری عواملی از جمله دما، فصل، PH و... در بروز بیماری نقش دارند. این مطالعه با هدف شناسایی عوامل خطر محیطی و ارزیابی میزان تاثیر گذاری آنان در بروز استرپتوکوکوزیس وارائه پیشنهادهای اجرایی برای کنترل بیماری در استان چهارمحال بختیاری اجرا گردید. این تحقیق از 10 مزرعه منتخب از مجموعه مراکز تکثیر و پرورش ماهیان سردآبی استان چهارمحال بختیاری، با بکارگیری طرحهای آماری استاندارد، در یک بازه زمانی یک ساله و با فواصل فصلها به ثبت عوامل اپیدمیولوژیک مؤثر بر بروز بیماری اقدام گردید.
سـپس بـرای کار با دادهها از متدولوژی CRISP-DM استفاده شد. دادهها در دو قسمت مورد مدلسازی و ارزیابی قرار گرفتند: انتخاب دادهها پس از پیشپردازش دادهها و انتخاب ویژگی. در ادامـه بـرای مدلسازی از سه الگوریتم درخت تصمیمگیری، شبکه عصـبی مصـنوعی و KNN در دو حالـت انتخاب دادهها پس از پیشپردازش دادهها و انتخاب ویژگی استفاده شد. بـا اسـتفاده از روش ارزیابی متقابل جهت ارزیابی مدلسازیهای انجام شد، روش درخت تصمیم بالاترین دقت (86.96%) را کسب کرده که در مقایسه با سایر پژوهشهای که تا کنون صورت گرفته است نتیجه بالاتری است (ابوالفصل سپهداری با صحت 20%) و به عنوان مدل برتر انتخاب شده است. بـا روش KNN نیز دقت قابل قبولی (79.11%) بدست آمده است. همچنین با استفاده از انتخاب ویژگی با الگوریتم درخت تصمیم توانسته شد دقت خوب (85.54%) بدست آورده شود |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=12999 |
زبان مدرک : | فارسی |