نسیم خضوعی - استادیار گروه مهندسی برق کامپیوتر، دانشگاه مهندسی، دانشگاه یاسوج
احمد نادری لردگانی - دانشجوی کارشناسی ارشد گروه مهندسی نرم افزار، موسسه آموزش عالی پویا

سیستم های تصمیم یار پزشکی از الگوریتم های یادگیری ماشین و داده کاوی برای شناسایی و تشخیص بیماری هااستفاده می کنند. اگر بیماری در مراحل اولیه، شناسایی و درمان شود، منجر به کاهش مرگ و میر می گردد.انتخاب ویژگی یک روش اصلی برای به دست آوردن مهم ترین ویژگی ها است و منجر به افزایش دقت طبقه بندیمی گردد. در این مقاله یک رور ترکیبی مبتنی بر الگوریتم بهینه سازی اجتماع ذرات ۱ و الگوریتم حرکت جنبشیگازها ۲ برای انتخاب ویژگی والگوریتم k نزدیک ترین همسایه برای طبقه بندی نمونه ها پیشنهاد شده است. توازن بین قابلیت های اکتشاف واستخراج در الگوریتم بهینه سازی اجتماع ذرات منجر به کشف راه حل هایبهینه می گردد.ارزیابی روش پیشنهادی بر روی مجموعه داده بیمارن کبدی شامل ۵۸۳ رکورد با ۱۰ ویژگی برگرفته از پایگاه داده یادگیری ماشین UCI انجام شده است. نتایج نشان میدهد که درصد صحت روش پیشنهادی با ۱۵۰ تکرار برابر با ۹۵/۱۷ است و در حالت انخاب ویژگی، درصد صحت بیشتر است وبرای پنج ویژگی برابر با ۹۸/۸۶ است.

سیستم تصمیم یار پزشکی، الگوریتم بهینه سازی اجتماع ذرات، الگوریتم حرکت جنبشی گازها، بیماری کبد، طبقه بندی