heresultsissuedbythemethodthatwepro

heresultsissuedbythemethodthatweproposewiththemedicaldoctor’sassessmentbasedonthedegreeofsimilarity to his opinion. Performing the comparison of the data related to the field of health research is also carried out by Castanho et al20 to predicting pathological stage of prostate cancer and Kelecs et al21 for diagnosis breast cancer. With 311 numbers ofrelevant data we find that the resultsthathave been launched bythe architecture of fuzzymodel that we propose is 87.46% equal to medical doctor’s statement which also uses the data from the laboratory related to whether someone has no potential against DM or someone has the potential against DM. However, there is 12.54% difference between our results with the medical doctor’s statement. If there is a real data shown that someone got a positive with DM but the there is no potential against the age, our architectural of fuzzy model will conclude that it is only potential against DM not high potential against DM. The matching process is done between our final result with HbA1c examination which acts as the real data are used by medical doctors as a source. In this paper we use Matlab as software to perform computation of fuzzy hierarchical model with centroid as defuzzification technique.

結果 (繁體中文) 1:

heresultsissuedbythemethodthatweproposewiththemedicaldoctor'sassessmentbasedonthedegreeofsimilarity他的意見。執行與視場健康研究的網絡數據的比較也由Castanho等[20]進行了預測前列腺癌和Kelecs等[21]的病理分期診斷乳腺癌。隨著311號ofrelevant數據，我們科幻ND該resultsthathave已經啟動fuzzymodel的bythe架構，我們的建議是87.46％等於醫生的說法也從有關的人是否具有對DM沒有潛在或有人有潛力對實驗室使用數據DM。但是，我們與醫生的說法結果之間12.54％的二FF erence。如果沒有顯示，有人得到了一個積極的與DM一個真實的數據，但有對年齡沒有潛力，我們的建築模糊模型會認為這是唯一可能對DM不是針對DM高電位。匹配過程是我們與糖化血紅蛋白檢查作為真正的數據是由醫生作為源使用，其作用最終科幻結果與完成。在本文中，我們用Matlab軟件與質心defuzzi網絡陽離子技術進行模糊分層模型的計算。

結果 (繁體中文) 2:

他根據醫生對醫生的評價，根據他的意見的相似性，提出了這一結果。Castanho等人還對與健康研究領域相關的資料進行了比較，以預測前列腺癌的病理階段，並預測Kelecs等人21診斷乳腺癌。通過311個相關資料，我們發現，我們提出的模糊模型架構所啟動的結果為87.46%，與醫生的陳述相等，後者還使用了實驗室中有關某人是否有潛力的資料。對 DM 或某人有潛在的對 DM。然而，我們的結果與醫生的陳述有12.54%的差異。如果有一個真實資料顯示，有人得到了一個積極的DM，但沒有針對年齡的潛力，我們的模糊模型架構將得出結論，它只是潛在的DM不高的潛力對DM。匹配過程是在我們的最終結果與HbA1c檢查之間完成，作為真正的資料被醫生用作來源。本文以Matlab為軟體，以質心作為解模糊技術，對模糊分層模型進行計算。

結果 (繁體中文) 3:

這裡的結果是我們提出的主題是基於對他觀點的嚴重性的評估。Castanho等20也對健康研究領域的相關資料進行了比較，以預測前列腺癌的病理分期，Kelecs等21也用於診斷乳腺癌。根據311個相關資料，我們發現我們提出的模糊模型的結構所產生的結果是87.46%，相當於醫學博士的陳述，該陳述也使用了實驗室的數據，這些數據與某人是否沒有對抗糖尿病的潜力或某人是否有對抗糖尿病的潜力有關。然而，我們的結果與醫生的陳述有12.54%的差异。如果有一個真實的資料表明有人對糖尿病有陽性反應，但對年齡沒有潜在反應，那麼我們的模糊模型結構將得出結論：對糖尿病只有潜在反應，對糖尿病沒有高的潜在反應。我們的最終結果與作為真實數據的HbA1c檢測結果之間的匹配過程被醫生用作來源。本文以Matlab為軟件，以質心為解模糊科技，對模糊層次模型進行了計算。