محمد کاظمی - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی مشهد
امیرعباس کاظمی - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه فردوسی مشهد،
امیرحسین باب الحکمی - دانشجوی دکتری، گروه کامپیوتر دانشگاه فردوسی مشهد
نگار عباسی - کارشناسی ارشد، گروه آمار دانشگاه پیام نور مشهد

بیماری های قلبی یکی از شایع ترین بیماری هاست که در حال حاضر تعداد افراد مبتلا به این نوع بیماری ها در حال افزایش می باشد. این درحالی است در صورتی که مراقبت های لازم برای بیمار در زمان مناسب صورت نگیرد، می تواند باعث مرگ بیمار شود. در این مقاله با استفاده از رویکردی مبتنی بر انتخاب ویژگی به عنوان یک گام پیش پردازش، مدلی باهدف تشخیص بیماری قلبی ارائه گردد. راهکار پیشنهادی دارای 3 گام اصلی می باشد که گام 1) پیش پردازش داده ها با پاک سازی داده ها، گام 2) انتخاب ویژگی های موثر براساس 2 روش پیرسون و PCA و گام 3) طبقه بندی داده ها برای پیش بینی بیماری قلبی ساخته می شود. نتایج بدست آمده نشان می دهد الگوریتم J48 با دقت 0.89 دارای بالاترین دقت است.

تشخیص بیماری قلبی، انتخاب ویژگی، ضریب همبستگی پیرسون، تحلیل مولفه های اساسی، طبقه بندی