ارائه روشی برای کشف نارسایی قلبی با استفاده از شبکه های عصبی پرسپترون چندلایه و درخت تصمیم بهبود یافته

بیماری قلبی به طور چشمگیری در حال پیشرفت می باشد و در حال حاضر به یک بحران جدی در جامعه تبدیل شده است و از اینرو روش های مختلفی برای شناسایی این روش ارائه شده است. هزینه ی درمان این روش بسیار بالا می باشد از این رو شناسایی این بیماری قبل از درمان دارای اهمیت بالایی است. در این راستا روش های پیشین دارای دقتبالایی نبودند و قادر نبودند تا ویژگی های موثرتر را شناسایی نمایند. روش پیشنهادی بیان شده در این تحقیق دارای سربار پردازشی پایین و از درخت تصمیمی استفاده می شود که دارای کمترین ارتفاع می باشد و این خود باعث افزایش سرعت و کاهش سربار پردازشی می شود. در روش پیشنهاد شده در این تحقیق از درخت تصمیم گیری ID3 بهبود یافته استفاده شده ایجاد می شود دارای کم ترین عمق ممکن و از این رو دارای سرعت بالایی است و سربار محاسباتی نیز پایین می باشد. در ارزیابی روش پیشنهادی نشان داده شده است که روش پیشنهادی دارای دقت بالایی در حدود 83/16 درصد است که نسبت به روش های مشابه به خود دقت بالایی به حساب می آید و نسبت به الگوریتم پایه یعنی ID3دارای 1/1 برابر بهبود می باشد.

Keywords:

شبکه های پرسپترون چندلایه , درخت تصمیم بهینه شده , نارسایی قلبی , داده کاوی , پیش بینی بیماری