ارائه رويكرد رده بندي تركيبي براي پيش بيني ديابت براساس وزن دهي به رده بندها

كارشناسي ارشد

بيماري ديابت، شايعترين بيماري غدد در جهان است و در اكثر كشورها، چهارمين يا پنجمين علل مرگ و مير است. تشخيص به موقع بيماري، در كاهش عوارض آن بسيار موثر بوده و بيمار ميتواند با مصرف دارو و تغيير شيوه زندگي، عمري طبيعي داشته باشد. دراين تحقيق، از مدلهاي پيش بينانه دادهكاوي براي شناسايي افراد مبتلا به ديابت استفاده شده است. هدف اين پژوهش، افزايش دقت در پيش بيني بيماري ديابت با استفاده از رويكرد رده بندي تركيبي براساس وزن دهي به رده بندها است. روش پيشنهادي شامل مراحل استخراج ويژگي، تقسيم بندي فضاي مسئله، انتخاب ويژگي در هر زير فضا و انتساب وزن به الگوريتم هاي پيش بينانه در هر زير فضا است. ابتدا به منظور غني تر شدن فضاي ويژگي، تعداد محدودي ويژگي با استفاده از الگوريتم MVU ، استخراج كرده و به ويژگيهاي اوليه مجموعه داده بيماري ديابت ، اضافه مي شود. سپس با اعمال الگوريتم خوشه بندي kmeans فضاي اوليه مسئله به زيرفضاها تقسيم مي شود. پس ازآن با انتخاب ويژگي در هر زيرفضا، ويژگي هايي كه بيشترين وابستگي را با ويژگي برچسب كلاس دارند انتخاب مي شود كه از معيار مستقل Hilbert Schimit براي انتخاب ويژگي استفاده ميشود. آخرين مرحله، انتساب وزن مناسب به الگوريتم هاي پيش بينانه در زيرفضاها است. در اين تحقيق، از مجموعه داده PIMA Indian Diabetes از ديتابيس يادگيري ماشين UCI استفاده شده است. نتايج تجربي بر روي داده هاي آزمايش ديابت نشان ميدهد كه روش پيشنهادي در مقايسه با روش هاي موجود از دقت بيشتري برخوردار است. واژه‌هاي كليدي: استخراج ويژگي، خوشه بندي، انتخاب ويژگي، الگوريتم هاي پيش بينانه، وزن دهي به الگوريتم ها.

189987

دانشگاه علم و صنعت ايران

نرم افزار

دكتر عين اله خنجري ميانه