تشخیص بیماری هپاتیت با روش جستجوی باینری فاخته و حداقل مریعات ماشین بردار حمایت (BCOA-LSSVM)

هپاتیت بیماری است که در اثر ویروس های مختلفی ایجاد می شود. که منجر به تورم و گاهی از بینرفتن کبد می شوند. به منظورتشخیص درست وبا ضریب اطمینان بالا ویژگی های تاثیر گذار بر روی اینبیماری باید به دقت شناخته شوند. در این مقاله قصد داریم مدلی ترکیبی از داده کاوی ارائه دهیم تا ضمنتعیین ویژگی های مهم بیماری هپاتیت ،بالاترین دقت در پیش بینی قابلیت زندگی افراد مبتلا به هپاتیت راارائه دهد. ابتدا داده های مفقود هپاتیت با اعمال یک روش پر می شوند. ویژگی ها با روش باینری انتخابشده در ادامه داده ها با الگوریتم فرا اکتشافی فاخته بهینه می شود. در نهایت ویژگی های انتخاب شده بهماشین بردارحمایت حداقل مربعات برای پیش بینی داده می شود. accuracy حاصل از نتایج پیاده سازی مدلترکیبی ارائه شده، با استفاده از مجموعه داده های هپاتیت ازپایگاه داده UCI؛ 99/18 درصد به دست آمده ،است. نتایج مطلوبی را در مقایسه با مجموعه داده اصلی ایجاد کرده است .که بالا ترین صحت و کارایی بدستآمده در مطالعات انجام شده تا کنون می باشد.

کلیدواژه ها:

تشخیص هپاتیت ، داده کاوی ، جستجوی باینری فاخته ، حداقل مربعات ماشین بردار حمایت