استخراج دانش از داده های بیماران دیابتی با استفاده از الگوریتم های تکاملی و داده کاوی

استخراج دانش از میان حجم انبوه داده های مرتبط با سوابق بیماری و پرونده های پزشکی افراد با استفاده از فرایند داده کاوی می تواند منجر به شناسایی قوانین حاکم بر ایجاد، رشد و تسریع بیماری ها گردیده و اطلاعات ارزشمندی را به منظور شناسایی علل رخداد بیماری ها، پیش بینی و درمان بیماری ها با توجه به عوامل محیطی حاکم در اختیار متخصصین و دست اندرکاران حوزه سلامت قرار دهد. حذف داده های پرت و نویزی و انتخاب ویژگی برای بهبود کارایی این مدل ها استفاده می شود. در این مقاله الگوریتم خوشه بند k-means برای حذف داده های نویزی و الگوریتم فرا ابتکاری بهبود یافته برای یافتن انتخاب ویژگی بهینه بکار رفته اند. عملکرد الگوریتم پیشنهادی بر روی مجموعه داده دیابت با استفاده از شبکه عصبی پرسپترون بررسی شد. نتایج بدست آمده برتری الگوریتم های پیشنهادی نسبت به سایر الگوریتم ها را نشان می دهد.

کلیدواژه ها:

داده کاوی ، دیابت ، الگوریتم تکاملی ، تیوری آشوب