الگوریتم زیر توپولوژی مجموعه های ناهموار برای تشخیص همزمان چند بیماری با علائم همپوشان

این مقاله الگوریتمی بر اساس زیرتوپولوژی مجموعه های ناهموار برای تشخیص همزمان چند بیماری با علائم همپوشان ارائه می دهد. روش پیشنهادی سه نوآوری اصلی دارد: (۱) طراحی الگوریتمی برای انتخاب بهینه نوع همسایگی بر اساس دقت زیرتوپولوژیکی هر بیماری به صورت جداگانه، (۲) مدلسازی ریاضی همپوشانی علائم بین بیماری ها با استفاده از ضریب ژاکارد و ادغام آن در محاسبه احتمال ابتلا و (۳) توسعه مکانیزم مدیریت داده های ناقص در سطح تصمیم گیری نهایی. مدل پیشنهادی بر روی یک مجموعه داده شبیه سازی شده شامل ۲۰۰ بیمار با سه بیماری کووید ۱۹، آنفلوانزا و تب دنگی با داده های ناقص ارزیابی شده است. نتایج تجربی نشان می دهد که روش پیشنهادی دقت تشخیص را نسبت به روش های مبتنی بر همسایگی و روش کلاسیک پاولاک بهبود می بخشد، همچنین نواحی مرزی تصمیم گیری کاهش یافته و مقاومت در برابر داده های ناقص افزایش می یابد. این بهبودها ناشی از توانایی الگوریتم پیشنهادی در تحلیل ساختاری همپوشانی نواحی مرزی بین بیماری های مختلف است.

کلیدواژه ها:

مجموعه های ناهموار ، زیر توپولوژی ، سیستم همسایگی ، تقریب زیرتوپولوژیکی ، طبقه بندی