ارائه یک روش یادگیری ویژگی ترکیبی مبتنی بر الگوریتم شبیهسازی تبرید و برنامهنویسی ژنتیک (مطالعه موردی: تشخیص بدخیمی سرطان سینه)
نویسندگان
1 دانشگاه رازی کرمانشاه - دانشکده فنی و مهندسی - گروه مهندسی کامپیوتر و فناوری اطلاعات
2 دانشگاه رازی کرمانشاه - دانشکده فنی و مهندسی - گروه مهندسی کامپیوتر و فناوری اطلاعات
doi
چکیده
امروزه استفاده از ابزارهای یادگیری ماشین در حوزههای مختلف ازجمله تشخیص بیماریها در حال گسترش است. علت این امر را میتوان عملکرد متغیر و متمایل به خطای انسان در مقابل عملکرد ثابت ابزارهای یادگیری ماشین در زمینه تشخیص و طبقهبندی دانست. حیاتی بودن تشخیص در حوزههایی مانند پزشکی، نیاز به بهبود تشخیص با روشهای یادگیری ماشین را توجیه میکند. ازجمله روشهای افزایش دقت در این زمینه، الگوریتمهای کاهش ویژگی و یادگیری ویژگی هستند. در این مقاله با ارائه یک روش یادگیری ویژگی، دقت روشهای مبتنی بر یادگیریماشین افزایش یافته است. روش پیشنهادی شامل سه فاز افزایش کیفیت داده، انتخاب ویژگی و یادگیری ویژگی است. در فاز اول، مقادیر ازدسترفته با شاخص پراکندگی میانگین و یا مد جایگزین میشوند در فاز دوم، الگوریتمی مبتنی بر الگوریتم شبیهسازی تبرید برای کاهش ویژگی و یافتن بهترین زیرمجموعه از ویژگیها ارائه شده است. در فاز نهایی نیز الگوریتمی مبتنی بر الگوریتم برنامهنویسی ژنتیک بهمنظور یادگیری ویژگیهای متمایزکننده ترکیبی ارائه شده است. روش پیشنهادی با استفاده از دو مجموعهداده استاندارد WBCD و WDBC ارزیابی شده است. نتایج بهدستآمده با آخرین دستاوردها مقایسه شده است که حاکی از عملکرد بهبودیافته الگوریتم پیشنهادی است.
