پریسا کاوه - گروه مهندسی کامپیوتر، واحد اهواز،دانشگاه آزاد اسلامی، اهواز، ایران
مهدی صادق زاده - گروه مهندسی کامپیوتر، واحد ماهشهر،دانشگاه آزاد اسلامی، ماهشهر، ایران

هر کلاسه بند قوت و ضعفهای خود را دارد و نمی تواند داده ها را بدون هیچ خطایی کلاسه بندی کند، بنابراین ترکیب مناسب کلاسهبندها، می تواند کلاسه بندی بهتری نسبت به هر کلاسه بند و سایر روش های ترکیبی تولید کند. در این مقاله، با توجه به اهمیت بیماری دیابت در زمینه پزشکی هدف ما ارایه یک مدل ترکیبی، جهت افزایش دقت تشخیص بیماری است که از ترکیب نتایج مدل کلاسه بندی ماشین بردار پشتیبان و بیز ساده با استفاده از تیوری ترکیب شواهد دمستر شافر، برای تشخیص خودکار بیماری دیابت استفاده می شود. روش پیشنهادی، در ابتدا به - کمک مدل کلاسه بندی ماشین بردار پشتیبان و بیز ساده، دانش مورد نیاز را استخراج نموده و عمل کلاسه بندی را انجام می دهد و در نهایت اطلاعات خروجی مدل های کلاسه بندی مختلف را با استفاده از تیوری ترکیب شواهد دمستر شافر با هم ترکیب می کند و تصمیم نهایی کلاسه بندی براساس اطلاعات ترکیب شده، گرفته می شود. همچنین از خطای تعمیم محلی برای ارزیابی عملکرد تعمیم کلاسه بندی بر روی نمونه نهان در همسایگی از نمونه تست استفاده شده است. مدل ترکیبی با استفاده از خطای تعمیم محلی جهت تعیین مقدار اعتماد به هر شاهد استفاده می شود. نتایج حاصل از اجرا بر روی مجموعه داده Pima india diabetes از مخزن داده UCI ، نشان می دهد که دقت روش پیشنهادی نسبت به کلاسه بندهای بکار رفته در ترکیب و نسبت به سایر روش های ترکیبی نیز از دقت بیشتری برخوردار است.

بیز ساده، بیماری دیابت، دمستر شافر، خطای تعمیم محلی، ماشین بردار پشتیبان