مریم محمدی دورباش - دانشجوی کارشناسی ارشد ، دانشگاه صنعتی امیرکبیر
مونا عبدالکریم زاده - دانشجوی کارشناسی ارشد ، دانشگاه صنعتی امیرکبیر
سیدحمیدرضا شهابی حقیقی - استادیار، دانشگاه صنعتی امیرکبیر

تشخیص بیماری ها یکی ازموارد مهم درعلم پزشکی می باشد و یکی ازکاربردهای مهم داده کاوی مربوط به تشخیص بیماریها درعلم پزشکی می باشد. هدف از این پژوهش، تشخیص سرطان پستان بر اساس ویژگی های استخراج شده تومور می باشد. برای استخراج اطلاعات مفید و تشخیص تومور، ترکیبی از الگوریتم های کامیانگین و ماشین بردار پشتیبان (K-SVM) توسعه پیدا کرده است. الگوریتم کامیانگین برای شناسایی الگوهای پنهان تومور های خوش خیم و بد خیم به طور جداگانه استفاده شده است. عضویت هر تومور در این الگوها محاسبه شده و به عنوان یک ویژگی جدید در مدل آموزش تلقی شده است. سپس از الگوریتم ماشین بردار پشتیبان جهت دسته بندی تومورهای متفاوت دریافتی استفاده می شود. از مجموعه داده های مرکز تشخیص سرطان پستان ویسکانزین (WDBC) که در مخزن یادگیری ماشین دانشگاه کالیفرنیا- ایروین قرار دارد، استفاده شده است . نتایج نه تنها توانایی روش پیشنهادی با دقت 95.2 درصد در تشخیص سرطان پستان را نشان می دهد، بلکه صرفه جویی در زمان در مرحله آموزش را نیز نشان می دهد.

داده کاوی ، تشخیص سرطان پستان، کا میانگین، ماشین بردار پشتیبان