استفاده از الگوریتم های k-means و ژنتیک برای کاهش ابعاد توسط یکپارچه سازی SVM برای تشخیص دیابت

استفاده از الگوریتم های k-means و ژنتیک برای کاهش ابعاد توسط یکپارچه سازی SVM برای تشخیص دیابت

مقاله انگلیسی ۸ صفحه PDF مقاله فارسی ۱۴ صفحه Word

چکیده

مقدار زیادی از داده های موجود در صنعت مراقبت های بهداتشی برای اداره و رسیدگی دشوار می باشد. از این رو، استخراج برای پیدا کردن الگوی لازم و رابطه بین ویژگی های موجود، ضروری می باشد. داده کاوری پزشکی، یک زمینه مهم تحقیقاتی است که در آن الگوریتم های تکاملی خوشه بندی، یک نقش حیاتی بازی می کنند. در این کار پژوهشی، k-means برای از بین بردن داده های نویزی و الگوریتم های ژنتیک برای پیدا کردن مجموعه بهینه از ویژگی ها با ماشین بردار پشتیبانی (SVM) به عنوان طبقه بندی کننده برای طبقه بندی مورد استفاده قرار می گیرد. نتایج تجربی نشان می دهد که مدل پیشنهادی دارای دقت متوسط ۹۸٫۷۹% برای کاهش مجموعه داده دیابت سرخپوستان پیما از مخزن UCI به دست آمده است. همچنین این نشان می دهد که روش پیشنهادی نتایج بهتری در مقایسه با روش آماده سازی داده های مبتنی بر خوشخ بندی k-means اصلاح شده با طبقه بندی SVM (96.71%) به دست می آورد، همانطور که در مقالات توصیف شده است.

Application of K-Means and Genetic Algorithms for Dimension Reduction by Integrating SVM for Diabetes Diagnosis

Abstract

Vast amount of data available in health care industry is difficult to handle, hence mining is necessary to find the necessary pattern and relationship among the features available. Medical data mining is one major research area where evolutionary algorithms and clustering algorithms play a vital role. In this research work, K-Means is used for removing the noisy data and genetic algorithms for finding the optimal set of features with Support Vector Machine (SVM) as classifier for classification. The experimental result proves that, the proposed model has attained an average accuracy of 98.79 % for reduced dataset of Pima Indians Diabetes from UCI repository. It also shows that the proposed method has attained better results compared to modified K-Means clustering based data preparation method with SVM classifier (96.71 %) as described in the literature
Keywords: Diabetes Diagnosis, Feature Selection, Genetic Algorithms, K-Means, Support Vector Machine

.

.

75,000 ریال – خرید

.

.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *