ارائه مدلی جهت تشخیص حمله قلبی با استفاده ازالگوریتم بهینه سازی گرگ خاکستری

بیماری های قلبی عروقی به عنوان یکی از بیماری های غیر واگیردار، از جمله شایع ترین و مهمترین علل مرگ و میر در جهان هستنند تشخیص زودهنگام بیماری های قلبی برای درمان آن ها امری بسیار ضروری است وجود حجم زیادی از داده های پزشکی منجر به تولید ابزارهای تجزیه وتحلیل داده جهت اسنخراج دانش پنهان توسط داده کاوی شده است تشخیص بیماری یکی از حوزه هایی است که در مورد آن ابزارهای داده کاوی نتایج موفقی را منتشر کرده اند هدف از این تحقیق ارائه مدلی جهت تشخیص حمله قلبی با اسنفاده از تکنیک های دسته بندی داده کاوی روی مجموعه داده ایرانی قلبی است از این جهت آنچه در این پژوهش مورد بررسی قرار می گیرد بررسی ویژگی های تاثیرگذار و با روش های شاخص وزن دار سود اطلاعاتی وجینی است و در ادامه جهت دسته بندی تکنیک پایه مانند درخت تصمیم و شبکه عصبی و انواع تکنیک های تجمعی گرادیان بوستینگ، جنگل تصادفی، روش نوین یادگیری عمیق و بهینه سازی گرگ خاکستری را اعمال کرده که در مقایسه، روش بهینه سازی گرگ خاکستری نتایج دقیق تری ارائه داد و نتایج شبکه عصبی پایه را بهبود بخشید

کلیدواژه ها:

یادگیری عمیق ، قوانین انجمنی ، گرادیان بوستینگ ، الگوریتم های تجمعی ، بهینه سازی گرگ خاکستری