استفاده از یک چارچوب تئوری بازیها بر پایه الگوریتم PSO برای انتخاب ویژگیها و داده های آموزشی بهینه برای افزایش دقت تشخیص بیماری پارکینسون

پارکینسون نوعی بیماری عصبی است که سبب میشود شخص، برای کنترل اعضای بدن خود با مشکل مواجه شود. راههای متفاوتی برای تشخیص خودکار این بیماری ارائه شده است، اما میزان خطای روشهای گذشته بالاست. یکی از مهمترین عوامل افزایش تشخیص بیماری پارکینسون استفاده از ویژگی های مناسب برای تمایز افراد بیمار و سالم و استفاده از دادههای آموزشی مناسب برای آموزش مدل مورد نظر است. در این مقاله یک روش نو و جدید برای انتخاب ویژگیهای بهینه و داده های آموزشی بهینه بر اساس تئوری بازیها انتخاب شده ارائه شده است. که با قسیم بندی مسئله به فضای کوچکتر سبب میشود الگوریتمهای تکاملی مانند PSO بتوانند ویژگیهای بهینه و دادههای آموزشی بهینه را طوری انتخاب کنند که به بهینه راسری بسیار نزدیک است. طبق نتایج بدست آمده روش پیشنهادی به خوبی توانسته ویژگی ها و داده های بهینه را طوری انتخاب کند که دقت تشخیص بیماری به 98.6 درصد رسیده است.

کلیدواژه ها:

نظریه بازیها ، نقطه تعادل نش ، انتخاب ویژگیهای بهینه ، انتخاب دادههای آموزشی بهینه ، تشخیص بیماری پارکینسون