بهینه سازی خرید دارو با استفاده از داده کاوی

 
shop logo
تمامی کالاها و خدمات این فروشگاه، حسب مورد دارای مجوزهای لازم از مراجع مربوطه میباشند و فعالیتهای این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.

بهینه سازی خرید دارو با استفاده از داده کاوی

بهرام محمدپور 1396/06/27 دسته بندی : پایان نامه 1
تعداد صفحات : 120 صفحه

بهینه سازی خرید دارو با استفاده از داده کاوی توسعه ­ی استفاده از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می شود تا حجم زیادی از داده­های مرتبط، در دسترس قرار بگیرند. با بکارگیری داده کاوی بر روی داده های موجود می توان تصمیم گیری­ها و فرایند­های مدیریتی را بهبود بخشید. در این پروژه تلاش شده است ضمن بررسی الگوریتم­های مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانه­های بیمارستان­ها ارائه گردد. مجموعه داده در نظر گرفته شده مربوط به سیستم اطلاعات بیمارستان پاستور شهرستان بم می باشد که در مدت 5 سال در پایگاه داده سیستم اطلاعات این بیمارستان ذخیره شده است. برای پیش بینی مصرف دارو عملکرد مدل­هایMLP ،SVR ، ADABOOST.R ،BAGTREE ،LR ،LSSVR مورد بررسی قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE و R2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREEE در روش های مختلف بهتر از سایر مدل ها بوده است.

فصل یک

مقدمه

فناوری اطلاعات در بهداشت و درمان

داروخانه های بیمارستانی

داده کاوی

داده کاوی چیست؟

تکنیک های مختلف داده کاوی

انواع تکنیک داده کاوی

بیان مسئله

اهداف تحقیق

سوالات وفرضیات تحقیق

سوالات

فرضیات تحقیق

فصول پروژه

فصل دوم

پیشینه پژوهشی

جمع بندی

فصل سه

مروری بر ادبیات تحقیق و مبانی نظری

سیستم های اطلاعات بیمارستان

تعریف و مفهوم سیستم اطلاعات بیمارستانی

اهداف سیستم اطلاعات بیمارستانی

اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی

مزایایی سیستم اطلاعات بیمارستانی

داده کاوی

مراحل داده کاوی

پیش پردازش داده ها

پاکسازی داده ها

یکپارچه سازی داده ها

تبدیل داده ها

تلخیص داده ها

وظایف داده کاوی

دسته بندی

تخمین

پیش بینی

گروه بندی شباهت یا قوانین وابستگی

خوشه بندی

نمایه سازی

کاربرد های داده کاوی رویکردهای مسائل داده کاوی در پزشکی

مدلها و الگوریتمهای داده کاوی

شبکه های عصبی مصنوعی

ساختار شبکه عصبی

معماری شبکه عصبی

آموزش شبکه های عصبی مصنوعی

انواع یادگیری در شبکه های عصبی مصنوعی

درخت های انتخاب

Bagging & Boosting

Bagging

Boosting

الگوریتم های Boosting

Adaptive Boosting Adaboost

رگرسیون بردار پشتیبان

رگرسیون خطی

نرم افزارهای داده کاوی

فرایند خرید دارو

جمع بندی

فصل چهارم

روش انجام پژوهش

مقدمه

الگوریتم پیشنهادی

پیش پردازش داده ها

ساخت ماتریس داده

روش ماههای متوالی

روش ماههای یکسان

روش فصول متولی

الگوریتم های Prediction

روش NN

روش SVR

روش LSSVR

AdaBoost.R

مجموعه داده

پاکسازی داده

معیارهای ارزیابی

جمع بندی

فصل پنجم

بحث و نتیجه‌گیری

مقایسه روشهای مورد بررسی

ارزیابی الگوریتم با روش ماههای متوالی

ارزیابی الگوریتم با روش ماههای یکسان

جمع بندی

فصل ششم

پیشنهادها و فرصت‌های پژوهشی آینده

منابع

file logo
خرید و دانلود | 12,000 تومان
گزارش تخلف به پلیس سایت
مطالب مرتبط