انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع

در این مقاله، الگوریتم جستجوی گرانشی باینری برای انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای ماشین بردار پشتیبان جهت طبقه بندی افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب نمونه، مجموعه اموزشی را کاهش می دهد و اجازه می دهد تا زمان اجرا در طبقه بندی و یا مراحل اموزش طبقه بند کاهش یابد. انتخاب پارامتر های مناسب برای طبقه بند ماشین بردارپشتیبان نیز بر نتیجه تشخیص تا حد زیادی تاثیر می گذارد. بنابر این بهینه سازی این پارامتر ها و انجام انتخاب نمونه برای دستیابی به نتیجه صحیح لازم است. در این تحقیق از داده های EEG افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب نمونه، انتخاب ویژگی و بهینه سازی پارامترهای SVM به صورت هم زمان و گام به گام پیاده سازی شده است. نتایج نهایی نشان داده اند که انجام این مراحل به صورت هم زمان نسبت به گام به گام به نتایج بهتری از نظر دقت، حساسیت، خصوصیات و زمان اجرا می انجامد.

کلیدواژه ها:

انتخاب نمونه ، بهینه سازی پارامترهای طبقه بندی ماشین بردار پشتیبان ، تشخیص بیماری صرع ، الگوریتم جستجوی گرانشی باینری