فاطمه غلامی - استادیار فیزیولوژی جانوری، گروه میکروبیولوژی، واحد گچساران، دانشگاه آزاد اسلامی ،گچساران، ایران

بیماری های قلبی و عروقی عامل اصلی مرگ و میر در سراسر جهان هستند. تشخیص به موقع این بیماری از اهمیت زیادی برخوردار است. در این مقاله، برای میزان دقت تشخیص بیماری قلبی و عروقی یک مجموعه داده را که شامل ۲۷۰ نمونه (بیمار) می باشد و ۱۴ ویژگی در آن بررسی شده است، استفاده کردیم. برای پیاده سازی از ترکیب الگوریتم کاهش ابعاد و الگوریتم شبکه عصبی پرسپترون استفاده کردیم. با استفاده از الگوریتم کاهش ابعاد تعداد ویژگی ها رو از ۱۴ به ۹ کاهش دادیم، بعد با استفاده از الگوریتم شبکه عصبی پرسپترون میزان دقت تشخیص را بدست آوردیم. این الگوریتم یک دسته بند خطی است، به این معنا که پیش بینی هایش را با توجه به ترکیب خطی وزن دار ورودی الگوریتم انجام می دهد. هم چنین این الگوریتم به دلیل اینکه ورودی هایش را به صورت تک تک در زمان بررسی می کند، یک الگوریتم برخط می باشد. برای پیاده سازی از ابزار وکا استفاده کردیم. با استفاده از ترکیب این دو الگوریتم توانستیم میزان دقت تشخیص بیماری قلبی و عروقی را ۷۸.۱۴۸۱ % افزایش دهیم.

بیماری قلبی و عروقی، الگوریتم کاهش ابعاد، الگوریتم شبکه عصبی پرسپترون