CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی وقوع بیماری هپاتیت از طریق انتخاب ویژگی مبتنی بر الگوریتم تکاملی تفاضلی و یادگیری ماشین بردار پشتیبان بهینه شده

عنوان مقاله: پیش بینی وقوع بیماری هپاتیت از طریق انتخاب ویژگی مبتنی بر الگوریتم تکاملی تفاضلی و یادگیری ماشین بردار پشتیبان بهینه شده
شناسه ملی مقاله: ETECH04_078
منتشر شده در چهارمین کنفرانس ملی تکنولوژی در مهندسی برق و کامپیوتر در سال 1398
مشخصات نویسندگان مقاله:

جواد طلایی - موسسه آموزش عالی دیلمان لاهیجان، گیلان، ایران
مجید مشکین مژه - موسسه آموزش عالی دیلمان لاهیجان، گیلان، ایران

خلاصه مقاله:
پزشک متخصص از طریق نتایج آزمایشات خون و معاینه درصدد است تا وجود قطعی بیماری هپاتیت را تشخیص دهد، لیکن با مشکلاتی نظیر زمان بر بودن ، امکان عدم پیش بینی دقیق و عدم قطعیت در دستیابی به جواب رو به رو هستند و ممکن است آن چه که واقعیت بیماری هپاتیت است، حاصل نشود. پیشتر روش های خود کار ارائه شده اند که اغلب با دقت کم و عدم قطعیت در دستیابی به پاسخ بهینه همراه بوده اند، جامعیت لازم را ندارند و یا آن که با مشکل بیش برازش همراه هستند. در مقاله کنونی، الگوریتمی در جهت تشخیص خودکار بیماری هپاتیت عفونی براساس تئوری کارآمد مرکب از ماشین بردار پشتیبان بهینه شده و الگوریتم تکاملی- تفاضلی پیشنهاد شده که نسبت به روش های مشابه، از دقت و سرعت بالاتری در عملکرد برخورد ار می باشد. در فاز نخست، توسط الگوریتم تکاملی- تفاضلی کمینه تیرن تعداد ویژگی انتخاب می شود، سپس در الگوریتم ماشین بردارپشتیبان مکرر بهینه شده به دنبال بهترین جواب خواهد بود. برای آموزش ماشین بردار پشتیبان پیشنهادی از تکنیک اعتبارسنجی K-fold استفاده شده است . الگوریتم پیشنهادی در سطح قابل قبولی با خطای کمتر از 1% در تشخیص بیماری هپاتیت موثر واقع شده است.

کلمات کلیدی:
هپاتیت، الگوریتم تکاملی- تا فضلی- ماشین بردار پشتیبان، الگوریتم ژنتیک و عدم قطعیت

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/989093/