دانلود مقاله isi تشخیص زودهنگام دیابت با استفاده از ویژگی انتخاب و ماشین بردار پشتیبانی فازی
دسته بندي :
فنی و مهندسی »
کامپیوتر و IT
دانلود مقاله isi تشخیص زودهنگام دیابت با استفاده از ویژگی انتخاب و ماشین بردار پشتیبانی فازی
زبان مقاله: انگلیسی
سال انتشار: 2019
در سال 2015 تعداد بیمارانی که به دیابت قند آلوده شده بودند به 415 میلیون بیمار رسیده و تا سال 2040 این تعداد به حدود 642 میلیون بیمار افزایش می یابد. مقادیر زیادی از داده های پزشکی بیماران DM در دسترس است و این مزیت قابل توجهی را برای محققان برای مبارزه با DM فراهم می کند. هدف اصلی از این تحقیق استفاده از اهرم انتخاب F-Score Feature Selection و دستگاه بردار پشتیبانی فازی در طبقه بندی و تشخیص DM است. از انتخاب ویژگی ها برای شناسایی ویژگی های ارزشمند در مجموعه داده استفاده می شود. سپس از SVM برای آموزش مجموعه داده برای تولید قوانین فازی استفاده می شود و در نهایت فرایند استنتاج فازی برای طبقه بندی خروجی استفاده می شود. روش فوق در مجموعه داده های دیابت هند Pima (PID) استفاده شده است. نتایج نشان می دهد دقت امیدوار کننده 89.02 در پیش بینی بیماران مبتلا به DM. علاوه بر این ، رویکرد به دست آمده ، شمارش بهینه ای از قوانین فازی را فراهم می کند در حالی که هنوز دقت کافی را حفظ می کند.
The number of patients that were infected by Diabetes Mellitus (DM) has reached 415 million patients in 2015 and by 2040 this number is expected to increase to approximately 642 million patients. Large amount of medical data of DM patients is available and it provides significant advantage for researchers to fight against DM. The main objective of this research is to leverage F-Score Feature Selection and Fuzzy Support Vector Machine in classifying and detecting DM. Feature selection is used to identify the valuable features in dataset. SVM is then used to train the dataset to generate the fuzzy rules and Fuzzy inference process is finally used to classify the output. The aforementioned methodology is applied to the Pima Indian Diabetes (PID) dataset. The results show a promising accuracy of 89.02% in predicting patients with DM. Additionally, the approach taken provides an optimized count of Fuzzy rules while still maintaining sufficient accuracy.