تخمین درصد چربی بدن با استفاده از الگوریتم های یادگیری ماشین

هدف اصلی این مقاله تخمین درصد چربی بدن از طریق الگوریتم یادگیری ماشین است و تلاش بر یافتن روش مناسبی برای آن با استفاده از الگوریتم های یادگیری ماشین است. الگوریتم های مورد استفاده در این مقاله، الگوریتم های تشخیص الگوی پارزن تعداد نزدیک ترین همسایه KNN، شبکه عصبی پرسپترون چند لایه MLP و ماشین بردار پشتیبانی SVM است. داده های مورد استفاده در این مقاله، اطلاعاتی اعم از قد، وزن، سن، دور شکم، دور ران و.. را ارائه می دهد. همچنین از یک الگوریتم بهینه سازی ازدحام ذرات PSO برای انتخاب ویژگی برای بهینه سازی عملکرد مدل استفاده شد. رروش های مورد استفاده به دو صورت کیفی و کمی بودند که پس از بررسی الگوریتم ها و نمودار های ارائه شده در متن مقاله می توان نشان داد که الگوریتم SVM مطلوب ترین نتایج را در برآورد درصد چربی بدن به دست آورده است و علاوه بر این، ترکیب الگوریتم PSO برای انتخاب ویژگی منجر به بهبود قابل توجهی در دقت مدل SVM شد و می تواند در رسیدن به هدف این مقاله کمک کند. این مطالعه نشان می دهد SVM همراه با PSO روش بسیار موثر برای تخمین درصد چربی بدن با استفاده از اندازه گیری های آنتروپومتری در دسترس ارائه می دهد. این رویکرد یک راه امیدوارکننده ای برای توسعه ابزارهای ارزیابی ترکیب بدن غیر تهاجمی و مناسب در زمینه مهندسی پزشکی ارائه می کند.

کلیدواژه ها:

تشخص الگو ، درصد چربی بدن ، کلاسبندی ، ماشین بردار پشتیبانی SVM