الهه سمیعی - گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی، واحد میبد
کمال میرزایی - گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی، واحد میبد

امروزه دانش داده کاوی به عنوان ارایه کننده سیستم های مکانیزه برای کمک به کشف قوانین و الگوهای موجود در داده ها به کار می رود و در علوم پزشکی در زمینه تشخیص بیماری های گوناگون و به دست آوردن علل و عوامل تاثیرگذار روی بیماری ها بسیار مورد استفاده قرار می گیرد. در این راستا از الگوریتم های مختلف داده کاوی استفاده می شود که در این تحقیق از دو الگوریتم Apriori و FP-Growth جهت کشف قوانین انجمنی استفاده شده است و به تولید مجموعه قوانین تاثیرگذار روی بیماری دیابت پرداخته است؛ سپس به مقایسه این دو الگوریتم از لحاظ زمان اجرا و تعداد قوانین می پردازد. نتایج به دست آمده نشان می دهد که استفاده از الگوریتم FP-Growth قوانین تولیدی را کاهش می دهد و به فرد خبره در تشخیص علل و عوامل تاثیرگذار روی بیماری دیابت کمک می کند.

داده کاوی، کشف قوانین انجمنی، الگوریتم Apriori، الگوریتم .FP-Growth