داده کاوی برای انتخاب ویژگی درداده های بیان ژن بیماری دیابت

مساله انتخاب زیرمجموعه ویژگی ها، به مفهوم شناسایی و انتخاب یک زیرمجموعه مفید از ویژگی ها از میان مجموعه داده اولیه می-باشد و هم چنین مبحث مهمی در تحلیل میزان همبستگی در زمینه دسته بندی می باشد که در کاهش ابعاد مجموعه ویژگی ها به کار می آید. داده کاوی پزشکی، یک زمینه مهم تحقیقاتی است که در آن الگوریتم های تکاملی، نقشی حیاتی ایفا می کنند. این پژوهش، جزء پژوهش های کاربردی است و از نظر روش، توصیفی مبتنی بر تحلیل است که در آن، از تحلیل داده ها و یک رویکرد ترکیبی برای اختلاف خطا و کاهش ابعاد ویژگی های مجموعه های داده ای با استفاده از الگوریتم ترکیبی شبکه عصبی والگوریتم ژنتیک در تشخیص بیماری دیابت ارایه شده است. مدل ترکیبی ارایه شده، بااستفاده ازمجموعه دیتاست های مخزن (UCI) تهیه شده است. نتایج تجربی نشان می دهد که مدل پیشنهادی به دقت 99/92% برای کاهش ابعاد ویژگی مجموعه داده بیماران دیابتی و اختلاف خطا 8 0/0% و همچنین بامقایسه روش های LS-SVM، روش سیستم استنتاج فازی سوگنو و الگوریتم رقابت استعماری، الگوریتم SVM والگوریتم ژنتیک مجتمع با مدل هیبرید، مشخص شد که نتایج پیاده سازی نشان از برتری روش پیشنهادی دارد.

کلیدواژه ها:

انتخاب ویژگی ، بیان ژن ، بیماری ، داده کاوی ، دیابت