بهبود عملکرد تشخیص بیماری قلبی با استفاده از انتخاب ویژگی هیبرید مبتنی بر الگوریتم های فراابتکاری

بیماری قلبی مهمترین علل مرگ ومیردر 10 سال گذشته بوده است که استفاده از سیستم های کنترل قلبی و روش های طبقه بندیبیماری قلبی برای تشخیص و پیش بینی بیماری قلبی بسیاری مهم بوده که طبق آمار سازمان بهداشت این بیماری قاتل شماره یک بوده و میلیون های نفر از مردم سراسر جهان هرسال به علت بیماری قلبی جان خود را از دست می دهند که در حال حاضر جمعیت زیادی از مردم جهان به بیماری قلبی مبتلا هستند درصورتیکه اگر این بیماری پیش از قاعدگی پیش بینی شود می توان از مرگ ومیر زیاد بیماری جلوگیری و روش های درمان دقیق تر و کارامدتر را فراهم کرد که نیاز به توسعه ی سیستم تشخیص پزشکی به منظور کاهش هزینه و به دست آوردن نتیجه دقیق تر به میزان موثر است. که در این راه می خواهیم از الگوریتم ژنتیک مبتنی بر شبکه عصبی برای تشخیص بیماری قلبی با ا ستفاده از کاهش ویژگی wrapper استفاده می شود. که ترکیبی از این تکنیک ها برای اداره مجموعه داده با ابعاد و عدم قطعیت استفاده می شود که داده ها از مجموعه داده بیماری قلبی uci به دست امده است که این داده ها بر اساس مصارف مختلف طبقه بندی شده است. که نتایج حاصل نشان می دهد دقت روش پیشنهادی به دقت 79 درصد رسیده است.

کلیدواژه ها:

انتخاب ویژگی هیبرید ، Wrapper ، الگوریتم ژنتیک ، بیماری قلبی