ارایه یک مدل برای پیش بینی بیماری های قلبی با به کارگیری خوشه بندی ترکیبی و رده بند ماشین بردار پشتیبان

بیماری عروق کرونر، بهخصوص حمله قلبی از علل شایع مرگ و میر در بیشتر کشورهای جهان به شمار میرود. تشخیص بیماری قلبی توسط پزشکان از اهمیت بسیار بالایی برخوردار میباشد. از آنجایی که مدلهای کامپیوتری توانسته اند کمک شایانی را به پزشکان در تشخیص بیماری نمایند، بنابراین در این مقاله مدلی مبتنی بر ترکیب خوشهبندها و ماشین بردار پشتیبان (SVM ) ارایه خواهد شد که بتواند به پزشکان در پیش بینی بیماری قلبی و عروقی کمک نماید. خوشه بندی دادهها روشی برای دسته بندی داده های مشابه میباشد که این روش سالها در علوم مختلف بهکار رفته و الگوریتم های زیادی در این زمینه طراحی شده است. تحقیقات اخیر خوشه بندی را بهسمت روشهای ترکیبی که دارای قابلیت استحکام و دقت بیشتر هستند، هدایت می کند. در این مقاله از روش خوشه بندی ترکیبی مبتنی بر خوشه بندی کاهشی و فازی استفاده میشود. همچنین از ردهبند ماشین بردار پشتیبان برای تشخیص نهایی استفاده میشود. در این پژوهش از روش خوشهبندی کاهشی قبل از خوشهبندی فازی استفاده میشود. ایده مورد نظر استفاده از خوشه بندی کاهشی، پیدا کردن دقیق نقاط مرکزی خوشه ها و تعداد خوشههاست که با اینکار تعداد تکرار خوشه بندی فازی کاهش داده میشود و از همین نقاط مرکزی به عنوان بخشی از دادههای آموزشی استفاده میشود و بخش دوم کار مربوط به انتخاب قسمت دیگر داده های آموزشی میباشد که برای انتخاب آنها نیز از ماتریس تعلق حاصل از خوشه بندی فازی استفاده میشود. از آنجایی که آموزش SVM ارتباط مستقیم با تعداد داده های آموزش دارد بنابراین با کاهش تعداد مراکز خوشه ها، زمان آموزش کاهش مییابد. نتایج بهدست آمده از آزمایشات، حاکی از برتری روش پیشنهادی نسبت به روشهای دیگر است

کلیدواژه ها:

پیش بینی ، یادگیر جمعی ، الگوریتم ژنتیک ، رده بندی