Sudhakar et al., International Jour

Sudhakar et al., International Journal of Advanced Research in Computer Science and Software Engineering 4(1),
January - 2014, pp. 1157-1160
© 2014, IJARCSSE All Rights Reserved Page | 1159
 LathaParthiban et al. [10] projected an approach on basis of coactive neuro-fuzzy inference system
(CANFIS) for prediction of heart disease. The CANFIS model uses neural network capabilities with
the fuzzy logic and genetic algorithm.
 Kiyong Noh et al. [8] uses a classification method for the extraction of multiparametric features by
assessing HRV (Heart Rate Variability) from ECG, data pre-processing and heart disease pattern. The
dataset consisting of 670 peoples, distributed into two groups, namely normal people and patients with
heart disease, were employed to carry out the experiment for the associative classifier.
 ShrutiRatnakar et al. used genetic algorithm to reduce the set of attributes of Naïve Bayes generate
relationship amongst the attributes.
 AkhilJabbar et al. proposes efficient associative classification algorithm using genetic approach for
heart disease prediction. The main motivation for using genetic algorithm inthe discovery of high level
prediction rules is that the discovered rules are highly comprehensible, having highpredictive accuracy

ผลลัพธ์ (ไทย) 2:

Sudhakar, et al, วารสารนานาชาติวิจัยขั้นสูงด้านวิทยาการคอมพิวเตอร์และวิศวกรรมซอฟต์แวร์ 4 (1).
มกราคม - 2014 หน้า 1157-1160.
© 2014 IJARCSSE สงวนลิขสิทธิ์หน้า | 1159
 LathaParthiban et al, [10] ที่คาดการณ์วิธีบนพื้นฐานของการอนุมาน Coactive ระบบประสาทเลือน
(CANFIS) สำหรับการคาดการณ์ของการเกิดโรคหัวใจ รูปแบบการใช้ความสามารถในการ CANFIS
เครือข่ายประสาทกับตรรกะคลุมเครือและขั้นตอนวิธีพันธุกรรม.
 Kiyong โนห์และอัล [8] ใช้วิธีการจัดหมวดหมู่ในการสกัดของคุณสมบัติ multiparametric
โดยประเมินHRV (อัตราการเต้นหัวใจแปรปรวน) จากคลื่นไฟฟ้าหัวใจข้อมูลก่อนการประมวลผลและรูปแบบการเกิดโรคหัวใจ
ชุดข้อมูลที่ประกอบด้วย 670
ประชาชนกระจายออกเป็นสองกลุ่มคือคนปกติและผู้ป่วยที่มีโรคหัวใจที่ถูกว่าจ้างให้ดำเนินการทดลองสำหรับลักษณนามเชื่อมโยงได้.
 ShrutiRatnakar et al, ใช้ขั้นตอนวิธีพันธุกรรมเพื่อลดชุดของคุณลักษณะของNaïve Bayes
สร้างความสัมพันธ์ในหมู่คุณลักษณะ.
 AkhilJabbar et al,
เสนอขั้นตอนวิธีการจัดหมวดหมู่ที่มีประสิทธิภาพเชื่อมโยงการใช้วิธีการทางพันธุกรรมสำหรับการคาดการณ์การเกิดโรคหัวใจ แรงจูงใจหลักในการใช้ขั้นตอนวิธีพันธุกรรม inthe
การค้นพบในระดับสูงกฎการทำนายคือกฎค้นพบเป็นที่เข้าใจอย่างสูงที่มีความถูกต้องhighpredictive

ผลลัพธ์ (ไทย) 3:

sudhakar et al . , วารสารวิจัยขั้นสูงในสาขาวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรมซอฟต์แวร์ ( 1 )
4 มกราคม - 2014 , pp . 1157-1160
สงวนสิทธิ์ทั้งหมดสงวนลิขสิทธิ์ 2014 , ijarcsse หน้า | 1159
 lathaparthiban et al . [ 10 ] คาดว่าแนวทางบนพื้นฐานของ coactive Neuro ฟัซซีอนุมานระบบ
( canfis ) สำหรับการพยากรณ์ของโรคหัวใจ การ canfis แบบใช้ความสามารถเครือข่ายประสาทกับ
ตรรกะคลุมเครือและขั้นตอนวิธีเชิงพันธุกรรม .
คิยองไงล่ะโน et al . [ 8 ] ใช้หมวดหมู่วิธีการสำหรับการสกัดคุณลักษณะ multiparametric โดย
การประเมิน HRP-4C ( แปรปรวนอัตราการเต้นหัวใจ ) จาก ECG , การประมวลผลข้อมูลและรูปแบบของโรคหลอดเลือดหัวใจ
ข้อมูลประกอบด้วยประชาชนที่กระจายออกเป็นสองกลุ่มคือ คนปกติและผู้ป่วย
โรคหัวใจที่ถูกจ้างมาเพื่อดำเนินการทดลองที่เกี่ยวข้อง 1 .
 shrutiratnakar et al . การใช้ขั้นตอนวิธีเชิงพันธุกรรมในการลดการตั้งค่าแอตทริบิวต์ของ na ไตได้ Bayes สร้างความสัมพันธ์ระหว่างคุณลักษณะ
.
 akhiljabbar et al . เสนอการใช้วิธีที่มีประสิทธิภาพเชื่อมโยงขั้นตอนวิธีพันธุกรรมเพื่อ
โรคหัวใจการทำนาย .แรงจูงใจหลักสำหรับการใช้ขั้นตอนวิธีเชิงพันธุกรรมในการค้นพบกฎการคาดการณ์ระดับ
สูงที่ค้นพบกฎเป็นอย่างสูงที่เข้าใจได้ มีความถูกต้อง highpredictive