ارزیابی عملکرد یادگیری ماشینی مبتنی بر انتخاب ویژگی بهینه برای تشخیص بیماری قلبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه کامپیوتر،دانشکده برق و کامپیوتر، دانشگاه محقق اردبیلی، اردبیل،ایران

2 کارشناسی ارشد مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد گرگان، ایران.

3 کارشناسی ارشد مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد علوم تحقیقات، اهواز، ایران.

4 کارشناسی ارشد مهندسی کامپیوتر-هوش مصنوعی، دانشکده فنی مهندسی، دانشگاه ولیعصر، رفسنجان، ایران.

5 استادیار گروه کامپیوتر، دانشگاه محقق اردبیلی، اردبیل، ایران.

چکیده

از آنجایی که تشخیص اولیه و زودهنگام این بیماری بسیار مهم و حیاتی است و روش های معمول مورد استفاده در صنعت پزشکی نیازمند صرف زمان و هزینه زیادی برای تشخیص این بیماری است، پیش بینی دقیق این بیماری به یک چالش تبدیل شده است. با توجه به حجم عظیم داده های بیمارستانی که هر روز بر حجم آن افزوده می شود، اهمیت داده کاوی که یکی از تکنیک های مهم برای کشف دانش و الگوهای پنهان است، بیشتر می شود. مطالعات بسیاری بر اساس داده کاوی برای پیش بینی بیماری قلبی انجام شده است. هر کدام با توجه به راه حل خود اهدافی مانند افزایش سرعت، افزایش دقت، کاهش حجم محاسبات و ضریب خطا را دنبال می کنند. هدف این تحقیق افزایش قابلیت اطمینان و دقت تشخیص بیماری قلبی با استفاده از تکنیک انتخاب ویژگی توسط الگوریتم‌های فراابتکاری برای استخراج ویژگی‌های مفید و کاهش بار محاسباتی است و برای ارزیابی روش پیشنهادی از الگوریتم‌های یادگیری ماشینی استفاده می‌کنیم.

کلیدواژه‌ها

فایل ها

هم رسانی

ارجاع به این مقاله

آمار