تشخیص بیماری دیابت با رویکرد بهینه سازی مبتنی بر ترکیب سیستم های داده کاوی و الگوریتم های تکاملی هوشمند

امروزه در دانش پزشکی جمع آوری داده ها در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها یکی از اهداف استفاده از این داده هاست حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود در این مقاله مدل جدیدی بر اساس کاهش تعداد نمونه ها با الگوریتم شناخته شده k-means در داده کاوی و کاهش تعداد ویژگی ها با الگوریتم ازدحام ذرات باینری به همراه الگوریتم نزدیکترین همسایه استفاده شده است نتایج حاصل از اعمال الگوریتم پیشنهادی بر روی مجموعه داده Pima Indians Diabetes که از UCI گرفته شده نشان می دهد که الگوریتم پیشنهادی در مقایسه ا دیگر روش های موجود برای تشخیص بیماری دیابت از عملکرد خوبی برخوردار است

کلیدواژه ها:

داده کاوی ، تشخیص بیماری دیابت ، k-means ، الگوریتم ازدحام ذرات باینری ، الگوریتم نزدیکترین همسایه