ترکیب خوشه بندی k-means و الگوریتم فراابتکاری گرگ های خاکستری برای افزایش دقت پیش بینی بیماری دیابت نوع ۲

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 174

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSCG04_099

تاریخ نمایه سازی: 23 اسفند 1400

چکیده مقاله:

افزایش تعداد بیماران دیابتی و ناآگاهی اغلب این نوع بیماران در مورد خطرات ناشی از آن، چالشی است که جان انسان ها را تهدید می کند. در این مقاله، راهکار جدیدی بر پایه ی الگوریتم گرگ های خاکستری برای پیش بینی بیماری دیابت نوع ۲ ارائه شده است. در الگوریتم پیشنهادی، گرگ های قوی تر بر اساس میزان برازندگی جایگزین گرگ های ضعیف تر می شوند. در هر تکرار از الگوریتم، میزان برازندگی محاسبه شده و در صورت بهتر شدن آن، باز هم الگوریتم تکرار می شود، در غیراین صورت الگوریتم خاتمه می یابد. هدف اصلی از روش پیشنهادی، افزایش دقت پیش بینی و همچنین کاهش احتمال گیر افتادن در نقاط بهینه ی محلی است.برای کسب اطمینان از دقت مدل ارائه شده، روش پیشنهادی روی چندن مونه مجموعه داده آزمایش شده است.به طور جزئی تر، روش پیشنهادی از دوبخش تشکیل می شود: پیش پردازش داده ها شامل آماده سازی داده ها و حذف نویز و دسته بندی داده ها با استفاده از ا لگوریتم گرگ های خاکستری. از مجموعه داده ی دیابت Pima Indians در محیط شبیه سازی متلب برای تجزیه و تحلیل داده ها و مقایسه ی نتایج تحقیق استفاده شده است. نتایج شبیه سازی نشان می دهد که با تنظیم پارامترهای الگوریتم گرگ های خاکستری، به میزان ۱.۲ % دقت پیش بینی بهتر نسبت به تحقیقات دیگر به دست می آید. همچنین برای ارزیابی دقیق تر روش پیشنهادی، از دو مجموعه داده ی دیگر برای آزمایش استفاده شده است. نتایج آزمایش ها نشان می دهند که مدل ارائه شده برای مدیریت سلامت در بیماری دیابت از کارآیی لازم برخوردار است.

کلیدواژه ها:

پیش بینی بیماری ، الگوریتم گرگ- های خاکستری ، بیماری دیابت ، پیش پردازش داده ها ، خوشه بندی

نویسندگان

علی اکبر تجری سیاه مرزکوه

استادیار ، دانشگاه گلستان