احمد تزم - گروه: کامپیوتر، دانشکده: علوم پایه، واحد: شهرری، پیام نور، تهران، ایران
اکبر فرهودی نزاد - استادیار گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران

در این تحقیق روشی برای تشخیص بیماری سرطان سینه ارایه میشود که شامل چندین مرحله است. در ابتدا پردازش ابتدایی روی مجموعه داده های آماری انجام میگیرد. این مرحله جهت آمادهسازی داده ها برای انجام آزمایش است. در مرحله بعد با استفاده از چندین الگوریتم ژنتیک که به صورت موازی اعمال میشوند، ویژگیهای مطلوب از پایگاه داده انتخاب میشود. روشی که برای انتخاب ویژگیها ارایه شده است، براساس اندازه گیری توزیع ویژگیها عمل میکند. بعد از انتخاب ویژگیها برای ارزیابی دقت مدلهای طبقه بندی کلاسیک استفاده میکنیم. در نهایت نیز روند طبقه بندی داده ها با تعداد ویژگیهای متفاوتی روی الگوریتم ژنتیک موازی تکرار میشود. روش پیشنهادی تعداد ویژگیهای را به صورت خودکار تعیین میکند. به منظور ارزیابی راه حلها از طبقهبندهای LDA، DT، SVM و NB و مجموعه داده تشخیص سرطان WBCD استفاده شده است. مقایسه عملکرد روش ارایه شده با سایر روشهای دیگر نشاندهنده عملکرد مطلوب و دقت بالای سیستم پیشنهادی میباشد. نتایج برتری طبقه بند SVM با دقت %98,72 را گزارش میدهد.

الگوریتم ژنتیک موازی، تکنیکهای داده کاوی، تشخیص سرطان سینه، انتخاب ویژگیهای موثر