الگوریتم ترکیبی درخت تصمیم بهبودیافته، ماشین بردار پشتیبان و جستجوی ممنوعه بهمنظور تشخیص بیماری دیابت
نویسندگان
1 گروه مهندسی کامپیوتر و فناوری اطلاعات، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران
2 گروه مهندسی کامپیوتر و فناوری اطلاعات، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران
3 گروه مهندسی کامپیوتر و فناوری اطلاعات، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران
doi
چکیده
بیماری دیابت یکی از شایعترین بیماریهای مزمن در جهان است که تشخیص زودهنگام و دقیق آن نقش بسزایی در کاهش عوارض و بهبود کیفیت زندگی بیماران دارد. در سالهای اخیر، بهرهگیری از روشهای دادهکاوی و یادگیری ماشین بهعنوان ابزاری مؤثر در تشخیص بیماریها موردتوجه پژوهشگران قرار گرفته است. در این پژوهش، یک الگوریتم ترکیبی جدید با عنوان CLT-TSVM بهمنظور تشخیص بیماری دیابت پیشنهاد میشود. در روش پیشنهادی، ابتدا از درخت تصمیم بهبودیافته برای استخراج ساختار اولیه دادهها، شناسایی الگوهای مؤثر و کاهش پیچیدگی فضای ویژگیها استفاده میشود. سپس، ماشین بردار پشتیبان بهعنوان هسته اصلی طبقهبندی به کار گرفته میشود تا تفکیک دقیقی میان بیماران دیابتی و غیردیابتی انجام گیرد. بهمنظور افزایش دقت طبقهبندی و بهینهسازی پارامترهای ماشین بردار پشتیبان، الگوریتم جستجوی ممنوعه بهعنوان یک روش فراابتکاری کارآمد مورداستفاده قرار گرفته است. عملکرد الگوریتم پیشنهادی با استفاده از مجموعهداده مربوط به بیماران دیابتی و بر اساس معیارهای ارزیابی متداول نظیر دقت، حساسیت و ویژگی مورد بررسی قرار گرفته است. نتایج تجربی نشان میدهد که الگوریتم ترکیبی درخت تصمیم بهبودیافته، ماشین بردار پشتیبان و جستجوی ممنوعه در مقایسه با روشهای مرجع، از دقت و کارایی بالاتری برخوردار بوده و توانسته است عملکرد بهتری در تشخیص بیماری دیابت ارائه دهد. یافتههای این پژوهش بیانگر آن است که ترکیب ساختارمند الگوریتمهای یادگیری ماشین و روشهای بهینهسازی میتواند نقش مؤثری در بهبود فرایند تشخیص بیماری دیابت ایفا کند.
