جلالی, مهرداد
ستادیار، دکترای مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران.
[ 1 ] - یک سیستم خبره تشخیص بیماری قلبی مبتنی بر ترکیب شواهد در دادهکاوی
مقدمه: بیماری عروق کرونری، شایعترین نوع بیماری قلبی و عامل اصلی مرگ و میر در کشورهای صنعتی می باشد. این پژوهش با هدف طراحی یک سیستم خبرهی با دقت بالا برای تشخیص بیماری عروق کرونری قلب انجام شد. روش: این مطالعه از نوع کاربردی بوده و از 14 ویژگی مربوط به 303 نفر که تحت آنژیوگرافی کرونری قرار گرفتند استفاده شده است. برای تشخیص دقیقتر بیماری عروق کرونری، نتایج سه روش کلاسهبندی شبکههای عصبی، ...
[ 2 ] - یک سیستم خبره تشخیص بیماری قلبی مبتنی بر ترکیب شواهد در دادهکاوی
مقدمه: بیماری عروق کرونری، شایعترین نوع بیماری قلبی و عامل اصلی مرگ و میر در کشورهای صنعتی می باشد. این پژوهش با هدف طراحی یک سیستم خبرهی با دقت بالا برای تشخیص بیماری عروق کرونری قلب انجام شد. روش: این مطالعه از نوع کاربردی بوده و از 14 ویژگی مربوط به 303 نفر که تحت آنژیوگرافی کرونری قرار گرفتند استفاده شده است. برای تشخیص دقیقتر بیماری عروق کرونری، نتایج سه روش کلاسهبندی شبکههای عصبی، ...
[ 3 ] - طراحی مدل خدمات شخصی سازی شده با رویکرد سامانههای توصیهگر درکتابخانه دیجیتال آستان قدس رضوی
هدف: هدف پژوهش ارائه مدلی کاربردی از سامانه توصیهگر (پیشنهاددهنده) در حوزه خدمات شخصیسازی کتابخانه دیجیتال آستان قدس رضوی است، این سامانه، با تحلیل الگوهای رفتاری کاربران و ارائه پیشنهادهای دقیق و مورد نیاز، آنان را از مرور دادههای غیر مرتبط بینیاز میسازد. از مزایای این سامانه میتوان شناسایی دقیق نیازهای اطلاعاتی، افزایش کیفیت جستجو، کمک به انتخاب صحیح منابع اطلاعات...
[ 4 ] - A social recommender system based on matrix factorization considering dynamics of user preferences
With the expansion of social networks, the use of recommender systems in these networks has attracted considerable attention. Recommender systems have become an important tool for alleviating the information that overload problem of users by providing personalized recommendations to a user who might like based on past preferences or observed behavior about one or various items. In these systems...
[ 5 ] - Evolutionary User Clustering Based on Time-Aware Interest Changes in the Recommender System
The plenty of data on the Internet has created problems for users and has caused confusion in finding the proper information. Also, users' tastes and preferences change over time. Recommender systems can help users find useful information. Due to changing interests, systems must be able to evolve. In order to solve this problem, users are clustered that determine the most desirable users, it pa...
نویسندگان همکار