یک الگوریتم دو هدفه ی ترکیبی برای کاهش خطا و ابعاد داده در تشخیص بیماری دیابت توسط ماشین بردار پشتیبان

بیماری دیابت به دلایلی همچون عوارض چشمگیر در سلامت افراد مبتلا، تاثیرات اقتصادی بر شبکه بهداشت و درمان و... مورد توجه داده کاوان قرار گرفته است. پژوهشگران سعی دارند برای ریشه یابی این بیماری، علت آن را به روش زندگی بیمار، اطلاعات وراثتی و ارتباط دهند. هدف از داده کاوی یافتن قوانینی است که پیش بینی و تشخیص زودهنگام و کنترل دیابت را آسان کند. در حوزه های درمانی، پردازش داده ها به دلیل حجم بالا و در نتیجه تشخیص بیماری و ارایه روش درمان در مدت زمان کوتاه میسر نیست. در نتیجه، استفاده از تکنیک های پیش پردازش و کاهش ابعاد داده امری ضروری است. الگوریتم های خوشه بندی و همچنین الگوریتم های فراابتکاری در حوزه داده کاوی و پیش پردازش داده ها نقش مهمی را ایفا می کنند. در این مقاله، ابتدا از روشی مبتنی بر الگوریتم خوشه بندی k - means برای تشخیص و حذف داده های پرت استفاده شده و سپس به منظور انتخاب ویژگی های موثر در الگوریتم فراابتکاری دوهدفه برای انتخاب کمترین تعداد ویژگی با بیشترین دقت کلاس بندی توسط الگوریتم ماشین بردار پشتیبان به کار گرفته می شوند. برای اعتبارسنجی نیز از روش fold-10 cross validation استفاده شده است. در حالی که هر دو الگوریتم از 8 ویژگی، 5 ویژگی را انتخاب کرده اند، میانگین دقت پیش بینی یکی از الگوریتمها ٪100 و دیگری 98٫. 2 ٪ به دست آمده است

یک الگوریتم دو هدفه ی ترکیبی برای کاهش خطا و ابعاد داده در تشخیص بیماری دیابت توسط ماشین بردار پشتیبان Keywords:

تشخیص دیابت , انتخاب ویژگی , الگوریتم های فراابتکاری , الگوریتم K - means , ماشین بردار پشتیبان