بررسی روش های توسعه یافته ماشین بردارپشتیبان جهت بهبود دقت تشخیص بیماری دیابت نوع دو

با توجه به حجم زیاد داده های پزشکی، یکی از پرکاربردترین روش ها جهت تشخیص الگو در میان اطلاعات پنهان، استفاده از تکنیک های داده کاوی است. ماشین های بردار پشتیبان یک الگوریتم جدید از تکنیک های داده کاوی است که اخیرا محبوبیت آن در یادگیری ماشین و آمار افزایشپیدا کرده است. از این رو ماشین بردار پشتیبان یکی از مهم ترین الگوریتم های یادگیری ماشین است که بیشتر در مسائل تشخیص الگو و برآوردمسائل تابع غیر خطی پیاده سازی شده است. این روش اخیرا برای توسعه طبقه بندی خودکار بیماری و هم چنین بیماری دیابت و بهبود روش های تشخیص بیماری در محیط بالینی استفاده شده است. آخرین کارها در این زمینه ثابت کرده است که ماشین بردار پشتیبان تطبیقی بهتر از دیگر روش های توسعه یافته طبقه بندی ماشین بردار پشتیبان عمل می کند. در این مقاله مفاهیم، جنبه های نظری و روش های توسعه یافته از ماشین بردار پشتیبان مورد بررسی قرار می گیرد.

کلیدواژه ها:

دیابت ، تشخیص پزشکی ، ماشین بردار پشتیبان