بررسی کارایی الگوریتم های داده کاوی جهت تشخیص پیشگویانه اوتیسم

اوتیسم دسته ای از اختلالات تکاملی سیستم عصبی می باشد که از جمله تظاهرات اصلی آن می توان به نقض در تعاملات اجتماعی ، ارتباطات و نیز وجود رفتارهای تکراری و علایق محدود اشاره نمود. استفاده از داده کاوی در پزشکی یکی از تکنیک های پرکاربرد داده کاوی محسوب می شود که نقش حیاتی در سلامت دارد و منجر به کشف دانش جدید ،سودمند و ماندگار در پایگاه داده ها می شود. هدف این مقاله تشخیص پیشگویانه اوتیسم با استفاده از تکنیک های داده کاوی درخت تصمیم ، روش بیزین ، روش شبکه عصبی مصنوعی ، ماشین بردار پشتیبان و رگرسیون لجستیک و ترکیب روش ماشین بردار پشتیبان و بهینهسازی ازدحام ذرات می باشد که از نرم افزار رپیدماینر استفاده شده است و نتیجه نشان داد که روش شبکه بیزین بالاترین دقت موفقیت و ماشین بردار پشتیبان کمترین دقت را دارد . در نهایت، از ترکیب ماشین بردار پشتیبان و بهینه سازی ازدحام ذرات استفاده نمودیم تا بتوانیم دقت آن را کمی بالا ببریم .

کلیدواژه ها:

اوتیسم ، داده کاوی ، درخت تصمیم ، روش بیزین ، روش شبکه عصبی مصنوعی ، رگرسیون لجستیک ، ماشین بردار پشتیبان