انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع

در این مقاله، الگوریتم جستجوی گرانشی باینری برای انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای ماشین بردار پشتیبان جهت طبقه بندی افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب صحیح نمونه ها، ویژگی ها و پارامترهای این طبقه بندی در نتیجه تشخیص تا حد زیادی تأثیر می گذارد. همچنین، کاهش ابعاد ویژگی ها و نمونه ها از منظر فضای لازم برای ذخیره و زمان مورد نیاز جهت اجرای الگوریتم ها یک طبقه بندی نیز حائز اهمیت می باشد. در این تحقیق از داده های EEG افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای SVM به صورت هم زمان و گام به گام پیاده سازی شده است. نتایج نهایی نشان داده اند که انجام این مراحل به صورت هم زمان نسبت به گام به گام به نتایج بهتری از نظر دقت، حساسیت، خصوصیات و زمان اجرا می انجامد.

کلیدواژه ها:

الگوریتم جستجوی گرانشی باینری ، انتخاب نمونه ، انتخاب ویژگی ، بهینه سازی پارامترهای طبقه بندی ماشین بردار پیشتیبان ، تشخیص بیماری صرع