مجید حبیبی - دانشجو ، کارشناسی ارشد مهندسی نرم افزار ،گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد جاسب ، دانشگاه آزاد اسلامی
رضا احسن - مربی ، دکتری مهندسی فناوری اطلاعات ،گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد قم ، دانشگاه آزاد اسلامی

در این تحقیق، یک سیستم پیشبینی کننده جهت تحلیل بیماری سرطان پستان و بررسی عوامل موثر در بروز این بیماری با استفاده از ترکیب تکنیکهای دادهکاوی و بررسی نتایج معیارهای سنجش دستهبندی باتوجه بهدادههای استخراج شده از سایت علمی Repository.seasr.org ، بهینهترین مدل از بین روشهای یاد شده جهت استفاده کارشناسان معرفی میگردد.روش پژوهش: این پژوهش توصیفی است مبتنی بر اطلاعات بیماران مبتلا به سرطان پستان در پایگاه داده Wisconsinکه شامل 699 نمونه خوشخیم و بدخیم سرطان پستان با 10 ویژگی که 9 ویژگی آن مستقل و یک ویژگی وابسته بنام Class است که عملیات پیش پردازش شامل اصلاح داده های مفقود شده و شناسایی دادههای پرت در آنها انجام شده است. نتایج پژوهش: این تحقیق با ارایه مدل Bagging با دقت % 97 از بین الگوریتمهای دادهکاوی، بهینهترین مدل را انتخابنموده است. ضمنا در این پژوهش نسبت به سیستمهای مشابه از تعداد کمتری ویژگی استفاده شده است که ویژگیهای Cell_Size_Uniformity )یکنواختی اندازه سلول(، Cell_Shape_Uniformity )یکنواختی شکل سلول(،Bare_Nuclei )هسته سلول ساده(، Normal_Nucleoli )هستک وسط سلول(، Single_Epi_Cell_Size )اندازهسلول بافت اپیتلیال(، Marginal_Adhesion )چسبندگی لبهها )سلول(، از عوامل مهم تاثیرگذار سرطان پستان در این پژوهش محسوب میشوند

سرطان پستان، داده کاوی، خوشهبندی، معیار سنجش ، هرس درخت تصمیم، یادگیری ماشین، الگوریتم ژنتیک، بگینگ