سعید دلکانی - گروه مهندسی کامپیوتر ،واحد بوشهر،دانشگاه آزاد اسلامی ، بوشهر ،ایران
مهدی صادق زاده - گروه مهندسی کامپیوتر،واحدماهشهر،دانشگاه آزاد اسلامی، ماهشهر ، ایران

امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانسته های خود، آزمایشات پیچیده و وقت گیر به تشخیص بیماری دیابت پی می برند. با این وجود خطاهای انسانی اجتناب ناپذیر است.در این پژوهش روشی ترکیبی برای تشخیص بیماری دیابت ارائه شده است چراکه یکی از مشکلات اساس ی مربوط به این بیماری عدم تشخیص به موقع و صحیح این بیماری است. هدف از انجام این پژوهش، ارائه ساز واکاری برای بهبود دقت در تشخیص بیماری دیابت می باشد که این سازوکار بر اساس تجزیه و تحلیل داده های دیتاست PID با استفاده از سیستم های داده کاوی انجام میشود. بر اساس مطالعات انجام شده، ثابت شده است که سیستم های یادگیری مرکب نسبت به سیستم هایساده از دقت و عملکرد بهتری برخودار هستند . بنابراین در این پژوهش از یک سیستم ترکیبی داده کاوی مبتنی بر دمپستر شافر برای تشخیص بیماری دیابت ارائه شده است که در آن انتخاب ویژگی مبتنی بر همبستگی پیرسون با استفاده از الگوریتم ژنتیک و از روش های طبقه بندی متداول مانند شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به عنوان سیستم های یادگیری پایه و برای ترکیب طبقه بندها از تئوری دمپستر – شافر استفاده شده است. بر اساس نتایج آزمایش های انجام شده، روش پیشنهادی نسبت به سیستم های پایه از عملکرد بهتری برخوردار بوده بیماران دیابتی را با دقت بهتری از یکدیگر تشخیص می دهد. دقت در مجموعه داده از 87,24 % به 89.58% رسیده است.

دیابت، تشخیص بیماری، الگوریتم ژنتیک، شبکه عصبی، تئوری دمپستر شافر.