انتخاب صفحه

مقدمه :

بیماری های قلبی هر ساله در جهان تعداد زیادی از انسان ها را از بـین مـی بـرد. آمـار مـرگ و میـر بعلـتمشکلات قلبی بسیار بیشتر از هر سانحه و یا اتفاق طبیعی است. این امر دلیـل اصـلی توسـعه فعالیـت هـایعلمی و پژوهشی در دانش پزشکی در زمینه بیماری های قلبی و گسترش وسیع و سریع آن در حـوزه سـایر علوم نظیر علوم مهندسی برای یافتن راه های موثر پیشگیری این دسته از بیماری ها می باشد.جستجو و تحقیق در زمینه قلب به قرون وسطی و رنسانس باز می گردد، در ابتدا با قطعه قطعه کـردن قلـبحیوانات و بررسی آناتومی آنها تحقیقات انجام شده و بدین ترتیب مدل های اولیـه از آنـاتومی و فیزیولـوژیقلب بوجود آمدند که امروزه با توجه به وسایل تحقیقاتی و سیستم های جدید و مدرن دیگـر قابـل اسـتفادهنبوده. مدلسازی قلب منجر به تولید دانشی می شود که به کمک آن می توان ارتباط دو جانبه میان سـاختارقسمت های مختلف قلب و پدیده های فیزیکی مشاهده شده را مورد بحث و بررسـی قـرار داد. یـک کـاربردمدلسازی قلب در تحقیقات بیومدیکال، اطلاع از اتفاقات مکانیزم هایی اسـت کـه قلـب بواسـطه آنهـا دچـارخرابی می گردد ، که خرابی قلب برابر است با مرگ.
1ECG می تواند بعنوان ابزاری پایه ای جهت تشـخیص اسـتفاده شـده و در برخـی از مـوارد بـرای مـدیریتبیماری لازم و ضروری است. در بحث ریتم هـای غیـر طبیعـی قلبـی ، بمنظـور انجـام تشـخیص و مـدیریتبیماری، استخراج ECG ضروری می باشد. در عمل تفسیر ECG موضوع علم بازشناخت الگـ و2 اسـ ت، لـیکنECG می تواند بر پایه تعداد کمی از قواعد و قوانین و حقایق مبنایی مورد آنالیز و بررسی قرار گیرد.
پزشکان برای بررسی و آنالیز سیگنال ECG با پرسش هایی روبرو هستند که از جمله آنها می توان به مـواردذیل اشاره کرد :

* آیا به اندازه کافی سیگنال برای تصمیم گیری جمع آوری شده است ؟
* احتمال تشخیص نادرست چقدر است ؟
* سیگنال مورد بررسی واقعاً با چه الگویی از بیمای حداکثر تطابق را دارد ؟

در حالت کلی برای آنکه به سوالات فوق پاسخی با دقت معین داده شود، محاسبات ریاضـی فراوانـی احتیـاجبوده که گاهی اوقات این محاسبات پیچیده و خسته کننده هستند. بنابرین طراحی الگوریتمی که قابل پیاده سازی در کامپیوتر بوده و بتواند به سوالات فوق با دقت مشخص پاسخ دهد، مفید خواهد بود.

استفاده از الگوریتم SOFM جهت خوشه بندی

استفاده از الگوریتم SOFM جهت خوشه بندی

فهرست مطالب

چکیده فارسی …………………………………………………………………… 1
2مقدمه ……………………………………………………………………………١

– فصل اول : کلیات

امروزه، محققان و دانشمندان فراوانـی در بسـیاری از نقـاط جهـان و در رشـته هـا و گـرایش هـای مختلف دانشگاهی مشغول انجام تحقیقات در زمینه افزایش سطح پیشگیری، بهداشت و درمان بیماری هـای انسـانیهستند. جدیت و حجم این تحقیقات عمدتاً متناسب با میزان خطر سازی موضوع مورد بحث در از بین بردن سلامتی شخص بوده است. به عبارت دیگر، میزان سرمایه گذاری و اهتمام دانشگاه ها و موسسـات پژوهشی در سراسر جهان، به موضوعات حساس و مخاطره آمیزی نظیر سلامتی قلـب، مغـز، خـون، سیسـتم عصـبی،نخاع و غیره در سطح بسیار بالایی بوده، به گونه ای که امروزه افزایش سطح بهداشـت و سـلامتی جامعـه درکشورهای پیشرفته آمریکای شمالی و اروپا، جزء اولویت های نخست اداره کنندگان این کشورها می باشد.موضوع تشخیص بیماری های قلبی و پیش بینی برخی رخداد های مخاطره آمیـز مـرتبط بـا سیسـتم قلبـی عروقی نظیر سکته قلبی، مرگ ناگهانی، گرفتگی عروق، شـوک هـای فشـار خـون و مشـکلات دریچـه ای ومکانیکی قلبی، یکی از آرزوهای علمی مهم دانشمندان و محققان این زمینه در پنج دهـه گذشـته اسـت. بـه طور کلی، محققان دانشگاه های مهم آمریکا و اروپا از چند دهه گذشته تا کنون، با شروع حرکتی منسـجم وهماهنگ، سعی در یافتن راه حلی با دقت قابل قبول و دارای مقاومت مناسب داشته و بودجه های تحقیقاتی قابل توجهی را برای حل این مساله بزرگ علمی اختصاص داده اند.به منظور بررسی وضعیت عملکرد قلب یک انسان، پزشکان به صورت معمـول انـدازه گیـری هـا و آزمایشـات مشخصی را انجام داده و سپس با کنار هم گذاشتن تمام شواهد و اطلاعات مفیـد بـه دسـت آمـده از انـدازهگیری ها، تصمیم گیری مناسبی (تشخیص بیماری) را انجام می دهند. به صورت کلی، اندازه گیری هایی که پزشکان از یک فرد مورد بررسی انجام می دهند به دو دسته درون بدنی2 و غیر درونی3 تقسـیم بنـدی شـدهکه در بیمارستان ها بخش های مرتبط با این اندازه گیری ها به ترتیب تحت عناوین تهاجمی و غیر تهاجمی نامگذاری می گردند[33]. در اندازه گیری های غیر درونی، سنسورهای مـورد اسـتفاده بـدون وارد شـدن بـهداخل بدن فرد، اندازه گیری های خود را انجام می دهنـ د. از ایـن دســته مـی تـوان بـه گوشـی پزشــکی دماسـنج، دستگاه الکــتروکاردیوگرا م1 ، دســتگاه اکوکــاردیوگرام2 ،٣MRI، فونوکـاردیوگرا م4 و غیـره اشـاره نمود[33].
به منظور اندازه گیری های درون بدنی، یکی از روش ها این است که در نوک یک میله بلنـد نـازک فـولادی ضد زنگ تحت عنوان کاتتر5 ، یک سنسور فشار یا صدا نصب شده و پزشـک آن را بـه موقعیـت مناسـبی دررگ (اعم از سرخرگ یا سیاهرگ) و یا درون یکی از حفره های قلبی فرسـتاده، اطلاعـات دقیقـی را از فشـارسیال و صداهای موجود در آن نقاط بدست می آورد (شکل1-1()). اگر چه کسب این اطلاعات بسیار مفید و دقیق است، اما با توجه به اینکه قسمت هایی از بافت مورد بررسی آسیب می بیند، با خطـرات و محـدودیتهای خاص خود همراه است. در یکی دیگر از روش هـای انـدازه گیـری درون بـدنی، مـی تـوان الکترودهـایمناسبی را به داخل حفره راست قلب فرستاده، با اندازه گیری دقیق الکتریسیته حفره راست قلب، به بسیاری از مشکلات تپش ساز6 قلبی پی برد[33].

11- هدف ……………………………………………………………………………. 4
1-2- پیشینه تحقیق ………………………………………………………………… 6
1-3- روش کار و تحقیق ……………………………………………………………… 7

با توجه به عملکرد تناوبی قلب، به صورت کلی اندازه گیری های انجام شده مرتبط بـا فعالیـت قلـب نیـز بـه صورت تناوبی و پریودیک دیده شده، بنابراین سیگنال مشاهدات انجام شده وابسته بـه فعالیـت قلبـی نظیـر الکتروکاردیوگرام، اکوکـاردیوگرام و فونوکاردیوگرام، شامل رخدادهایی می باشـند کـه تشـخیص هـای اولیـه بیماری با توجه به این ویژگی ها توسط ماشین قابل انجام هستند. در یک نگاه کلی می توان گفت به منظـور تشخیص امراض قلبی به کمک کامپیوتر، ابتدا لازم است تا اندازه گیری های مناسـبی کـه حـاوی اطلاعـات مفید و موثری در مورد فعالیت قلب باشند را انجام داده و ثبت نمود. در گام بعد، رخدادهای هـر نـوع انـدازه گیری بایستی توسط یک روش مقاوم به نویز و آشفتگی های موجود در اندازه گیری، بـا دقـت قابـل قبـول و مناسبی آشکارسازی گردند. پس از این مرحله، لازم است که به کمک پزشکان و متخصصـان قلـب و عـروق، پایگاه داده ای با گستردگی مناسب گردآوری و تدوین شده، بـه گونـه ای کـه بـه کمـک آن بتـوان اسـتنتاج مناسبی را جهت تشخیص بیماری ها و عیوب قلبی انجام داد. می توان گفت کـه اسـتنتاج هـای پزشـکی در زمینه قلب و عروق به صورت عمده پشته ای 1 می باشند. به عبارت دیگر هر نوع رفتار خاص قلبـی و عروقـی در پایگاه دانش خبره، یک خوشه2 و یا یک کلاس3 منحصر به خود را تولیـد کـرده، بطـوری کـه بـا مقایسـه پارامترهای جدید الورود با پارامترها و ویژگی های نماینده هر خوشه یا کلاس و سپس تعیین میزان تعلق به هر یک از آنها، تا حدود دقیقی می توان نوع وضعیت قلبی فرد را تعیین نمود. به مجموعـه ایـن فعالیـت هـا طبقه بندی و خوشه بندی گفته می شود. تفاوت عمده طبقه بندی و خوشه بندی در میزان وجـود اطلاعـات اولیه و دانش خبره مرتبط با هر یک از دسته ها می باشد. در موضوعات مـرتبط بـا تشـخیص بیمـاری هـای قلبی، امکان اینکه هر خوشه شامل دو یا چند کلاس و یا هر کلاس شامل دو یـا چنـد خوشـه باشـد، وجـود دارد. به صورت کلی دیاگرام بلوکی این تحقیق در شکلن( 2-1) شان داده شده است

خوشه بندی 4 نمونه از آریتمی های قلبی

خوشه بندی 4 نمونه از آریتمی های قلبی

2- فصل دوم : داده کاوی

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد[22].با استفاده از پرسش های ساده و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است[22].از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند، در حالی که امروزه نیاز به روش هایی است که اصطلاحاً به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند[22].داده کاوی یکی از مهمترین این روش ها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمان ها اتخاذ شوند[22].در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده هـا اسـتفاده مـی شـود کـه در آن بـر کشـفاطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود. عـلاوه بـر ایـن داده کـاوی بـا هـوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد، بنابراین می تـوان گفـت در داده کـاوی تئـوری هـایپایگاه داده ها، هوش مصنوعی، یادگیری ماشین و علم آمار را در هم می آمیزنـد تـا زمینـه کـاربردی فـراهمشود[22].باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها، در حد مگا یا ترابایت، مواجه باشیم. در تمامی منابع داده کاوی بر این مطلب تاکید شده است[22]هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میـان داده هـا مشکل تر می شود و نقش داده کاوی به عنوان یکی از روش های کشف دانش، روشن تر می گردد[22].
2-2- تعریف داده کاوی :
در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده است .در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است. برخی از این تعاریف عبارتند از :
* داده کـاوی عبارت است از فرایند استخراج اطلاعات معتبر، از پـیش ناشـناخته، قابـل فهـم و قابل اعـتماد از پایگـاه بزرگ داده ها و اسـتفاده از آن در تصـمیم گیـری در فعالیت های تجاری مهم[9].
* اصـطلاح داده کاوی به فرایند نیمه خودکار تجزیه و تحلیل پای ــگاه بـزر گ داده ها به منظـور یـافتن الگوهای مفید اطلاق می شود[41].
* داده کاوی یعنی جستجو در یک پایگاه داده ها برای یافتن الگوهایی میان داده ها[22].
* داده کاوی یعنی استخراج دانش کلان، قابل استناد و جدید از پایگاه بزرگ داده ها[32].
* داده کـاوی یعنی تجزیه و تحلیل مجموعه داده های قابل مشاهده برای یافتن روابط مطمئن بـین دادهها[42].
همانگونه که در تعاریف گوناگون داده کاوی مشاهده می شود، تقریبا در تمامی تعاریف به مفاهیمی چون استخراج دانش، تحلیل و یافتن الگوی بین داده ها اشاره شده است.

2-1- مقدمه ای بر داده کاوی ………………………………………………………. 9
2-2- تعریف داده کاوی ……………………………………………………………….. 10
2-3- کاربردهای داده کاوی در محیط های واقعی ………………………………… 10
2-4- مراحل فرایند کشف دانش از پایگاه داده ها …………………………………. 11

دندوگرام

دندوگرام

3- فصل سوم : طبقه بندی و خوشه بندی

طبقه بندی یکی از شاخه های یادگیری با نظارت می باشد و در واقع ارزشیابی ویژگـ ی هـای مجموعـه ای ازداده ها و سپس اختصاص دادن آنها به مجموعه ای از گروه های از پیش تعریف شده است. ایـن متـداولترینقابلیت داده کاوی می باشد. داده کاوی را می توان با استفاده از داده های تاریخی برای تولیـد یـک مـدل یـانمایی1 از یک گروه بر اساس ویژگی های داده ها به کار برد. سپس می توان از این مدل تعریـف شـده بـرایطبقه بندی مجموعه داده های جدید استفاده کرد .همچنین می توان با تعیین نمایی که با آن سازگار اسـتبرای پیش بینی های آتی از آن بهره گرفت. برای مثـال، بـرای طبقـه بنـدی تخلفـات و کلاهبـرداری هـا درصنعت و اعتبارات، با استفاده از قابلیت طبقه بندی داده کاوی، سیستم بـا اسـتفاده از مجموعـه ای از پـیشتعریف شده از داده ها، تعلیم می بیند. مجموعـه داده هـای مـورد اسـتفاده در ایـن نمونـه بایـد هـم شـاملمجموعه هایی از داده های معتبر باشند و هم شامل مجموعه هایی از داده های جعلی. از آن جا که ایـن دادهها از پیش تعریف شده هسـتند، سیستم پارامتـرهایی را می یابد که می توان از آنها بـرا ی تشـخیص طبقـهبندی های متمایز استفاده کرد. بعد از تعیین پارامترها سیستم از آنها برای طبقـه بنـدی هـای بعـدی بهـرهخواهد گرفت. در واقع سیستم هایی که بر اساس طبقـه بنـدی داده کـاوی مـی کننـد ، دو مجموعـه ورودیدارند : یک مجموعه آموزشی که در آن داده هایی که به طور پیش فرض در دسته های مختلفی قـرار دارنـد،همراه با ساختار دسته بندی خود وارد سیستم می شوند و سیستم بر اساس آنها به خود آموزش می دهد یـابه عبارتی پارامترهای دسته بندی را برای خود مهیا می کند. دسته دیگر از ورودی هایی هستند کـه پـس ازمرحله آموزش و برای تعیین دسته وارد سیستم می شوند. تکنیک های داده کاوی که برای دسته بنـدی بـهکار می آیند عموماً شامل تکنیک های شبکه عصبی و درخت تصمیم گیری هستند. یکی از متغیرهـای مهـمدر قابلیت دسته بندی برآورد یا امتیاز دهی است. هر جا طبقه بندی یک پاسخ دو تایی مثل بله و خیر ارائـهکند، برآورد یک درجه بندی مثل پایین، بالا و یا متوسط ارائه می کند. در اصل برآورد، چندین نما درامتـدادمجموعه ای از داده ها فراهم می آورد که نشان دهنده درجه تعلق یک نما بـه یـک مجموعـه اسـت. مسـائلطبقه بندی به شناسایی خصوصیاتی منجر می شوند که مشخص می نمایند هر مورد بـه کـدام گـروه تعلـقدارد .این الگو هم می تواند برای فهم داده موجود و هم برای پیش بینی اینکه هر نمونه جدید چگونه کار می کند استفاده شود[43].
3-2- خوشه بندی (یادگیری بدون نظارت) :

خوشه بندی یکی از شاخه های یادگیری بدون نظارت می باشد و فرآینـد خودکـاری اسـت کـه در طـی آن،نمونه ها به دسته هایی که اعضای آن مشابه یکدیگر می باشند تقسیم می شوند که به این دسته هـا خوشـه گفته می شود .بنابراین خوشه مجموعه ای از اشیاء می باشد که در آن اعضـای مجموعـه بـا یکـدیگر مشـابه بوده و با اشیاء موجود در خوشه های (مجموعه های) دیگر غیر مشابه می باشند. برای مشابه بودن می تـوانمعیارهای مختلفی را در نظر گرفت مثلا می توان معیار فاصله را برای خوشه بندی مورد اسـتفاده قـرار داد واشیائی را که به یکدیگر نزدیکتر هستند را بعنوان یک خوشه در نظر گرفت کـه بـه ایـن نـوع خوشـه بنـدی،خوشه بندی مبتنی بر فاصله نیز گفته می شود. بعنوان مثالی از خوشـه بنـدی، در شـک ل(3-1) نمونـه هـایورودی در سمت چپ به چهار خوشه مشابه شکل سمت راست تقسیم می شـون د. در ایـن مثـال هـر یـک ازنمونه های ورودی به یکی از خوشه ها تعلق دارد و نمونه ای وجود ندارد که متعلق بـه بـیش از یـک خوشـه باشد[43].

3-1- طبقه بندی ( یادگیری با نظارت ویا Supervised ).ا……………………… 51
3-3- هدف از خوشه بندی چیست ؟ …………………………………………….. 17
3-4- تفاوت میان طبقه بندی و خوشه بندی ……………………………………… 18
3-5- رو شهای خوشه بندی ………………………………………………………. 18
3-5-1- روش های خوشه بندی سلسله مراتبی ………………………………… 19
3-5-7- خوشه بندی با روش Ward…………………………….ا………………….  30
-5-8- خوشه بندی با روش K-Means …………ا………………………………..  31
-5-9- خوشه بندی با روش LBG ..ا……3……………………………………….  35
5-31- خوشه بندی با استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک (بهینه سازی خوشه بندی) ………………………………………………………………………. 43
3-6- اقدامات لازم برای خوشه بندی آریتمی های قلبی ……………………… 44

نمایش ساختار کلی الگوریتم تشخیص بیماری های قلبی به کمک اندازه گیری های

نمایش ساختار کلی الگوریتم تشخیص بیماری های قلبی به کمک اندازه گیری های

4- فصل چهارم : نتیجه گیری و پیشنهادات 

4-1- نتیجه گیری …………………………………………………………………… 47
4-2- پیشنهادات ……………………………………………………………………. 47
5- منابع و ماخذ ………………………………………………………………………. 94
5-1- فهرست منابع لاتین …………………………………………………………… 49
5-2- سایت های اطلاع رسانی …………………………………………………… 51
چکیده انگلیسی ……………………………………………………………………. 52

برای دانلود رایگان قسمت های بیشتراز فایل به انتهای مطلب مراجعه کنید

شکل ها

شکل-)1-1( ارسال کاتترهای مناسب جهت اندازی گیری فشار خون داخل قلب و هم چنین الکتریسیته درون قلبی ………………………………….5

شکل-)2-1( نمایش ساختار کلی الگوریتم تشخیص بیماری های قلبی به کمک اندازه گیری های متفاوت و بهره گیریاز پایگاه دانش پزشکی……….. 7

شکل-)1-3( خوشه بندی نمونه های ورودی ……………………………………….. 16

شکل-)2-3( خوشه بندی وسایل نقلیه ……………………………………………… 17

شکل(3-3)- دندروگرام …………………………………………………………………. 20
شکل-)4-3( شباهت بین دو خوشه در روش Single-Link برابر است با کمترین فاصله بین داد ه های دو خوشه………………… 21

شکل(3-5)- دندروگرام مثال Single-Link………..ا2…………………………………. 23

شکل-)6 -3( شباهت بین دو خوشه در روش Complete-Link برابر است با بیشترین فاصله بین داده های دو خوشه …………………… 24
شکل-)7-3( دندوگرام مثال Complete-Link ……..ا………………………………. 26
شکل-)8-3( شباهت بین دو خوشه در روش Average-Link برابر است با میانگین فاصـله بین داده های دو خوشه ……………………. 27

شکل(3-9)- دندروگرام مثال Average-Link ………………ا……………………… 29

.. شکل-)10-3( شباهت بین دو خوشه در روش Group Average Link برابر است با فاصله بین میانگین نقاط دو خوشه ………………. 30
شکل-)11-3( مثالی برای روش خوشه بندی K-Means …ا…………………………. 34

شکل-)12-3( یک همسایگی برای p دارای چگالی نقاط5 ………………………….. 37

شکل-)13-3( p در دسترسِ مستقیمِ چگالیِ q قرار دارد …………………………… 37

شکل-)14-3( p در دسترسِ چگالیِ q قرار دارد ……………………………………… 37
شکل-)15-3( p متصلِ چگالیِ q است ……………………………………………….. 38

شکل-)16-3( خوشه بندی بر اساس چگالی ………………………………………… 38

شکل-)17-3( مثالی از روش خوشه بندی براساس چگالی ……………………….. 40

شکل-)18-3( در روش سلسله مراتبی خوشه بندی براساس چگالی Optics از ترکیب خوشه های با چگالی زیاد وکوچک خوشه های بزرگتری حاصل می شود .40

شکل-)19-3( مجموعه داده پروانه ای ……………………………………………….. 42

شکل-)20-3( استفاده از الگوریتم SOFM جهت خوشه بندی ……………………… 43

شکل-)21-3( شمایی از الگوریتم کلونی مورچگان …………………………………. 43

شکل-)22-3( استفاده از تکنیک BWR ……….ا…………………………………… …. 44
شکل-)23-3( استفاده از تبدیل ویولت مرتبه بالا جهت ازبین بردن نویز سیگنال … 44

شکل-)24-3( خوشه بندی 4 نمونه از آریتمی های قلبی …………………………… 45

فهرست جدول ها

جدول(3- 1)- ماتریس فاصله بین 6 نمونه داده ………………………………………… 21

جدول(3- 2)- ماتریس فاصله بین 5 خوشه حاصل از تکرار اول …………………….. 22

جدول(3- 3)- ماتریس فاصله بین 4 خوشه حاصل از تکرار دوم ……………………… 22

جدول(3- 4)- ماتریس فاصله بین 3 خوشه حاصل از تکرار سوم ……………………. 22

جدول(3- 5)- ماتریس فاصله بین 2 خوشه حاصل از تکرار چهارم …………………… 23

جدول(3- 6)- ماتریس فاصله بین 6 نمونه داده ………………………………………… 24

جدول(3- 7)- ماتریس فاصله بین 5 خوشه حاصل از تکرار اول ……………………….. 25

جدول(3- 8)- ماتریس فاصله بین 4 خوشه حاصل از تکرار دوم ………………………. 25

جدول(3- 9)- ماتریس فاصله بین 3 خوشه حاصل از تکرار سوم ……………………. 25

جدول(3- 01)- ماتریس فاصله بین 2 خوشه حاصل از تکرار چهارم …………………. 26

جدول(3- 11)- ماتریس فاصله بین 6 نمونه داده …………………………………….. 27

جدول(3- 21)- ماتریس فاصله بین 5 خوشه حاصل از تکرار اول ……………………. 28

جدول(3- 31)- ماتریس فاصله بین 4 خوشه حاصل از تکرار دوم ……………………. 28

جدول(3- 41)- ماتریس فاصله بین 3 خوشه حاصل از تکرار سوم …………………. 28

جدول(3- 51)- ماتریس فاصله بین 2 خوشه حاصل از تکرار چهارم ………………… 29

Abstract :

Cardiac diseases kill so many people each year in the world. The numbers of fatality caused by heart diseases are more than each accidents or mishaps. This is the main reason of spreading cardiac researches and it’s wide development in other science such as engineering, for finding efficient ways to prevent of these diseases. Nowadays the methods of defining cardiac arrhythmias by new mathematical and engineering methods have been spread as valuable device for diagnosing the diseases. In these methods, analysis of ECG signals is the most important and the most efficient ways to diagnose of cardiac arrhythmias.
Heretofore diverse methods have been introduced in order to diagnose and classify of QRS complexes in the ECG signals. Such as supervised and unsupervised classification. In supervised classification methods the template waves are available and in this method the similarity of an entrance new wave is compared by all template waves and is classified in suitable class. Against of supervised, in unsupervised methods the template waves aren’t available these waves have to be extracted at first, that it is called clustering method.
The aim of this study concentrate on researching about unsupervised methods that have been applied to cluster cardiac arrhythmia and being familiar with other academic clustering techniques.


مقطع : کارشناسی ارشد

بلافاصله بعد از پرداخت به ایمیلی که در مرحله بعد وارد میکنید ارسال میشود.


خرید فایل pdf

قیمت 25 هزار تومان

قیمت:35هزار تومان

خرید فایل pdf به همراه فایلword