ارزیابی قابلیت مدل های تطبیقی عصبی – فازی ANFIS برای تشخیص یا پیش بینی به موقع بیماری های بینایی (عنبیه) با استفاده از داده های نمونه UCI

امروزه با بروز پیچیدگی ها و مشکلات موجود در حوزه زندگی و سلامت شهروندان ، تشخیص به موقع بیماری ها به یک نیاز اساسی تبدیل شده است. سیستم های تشخیص هوشمند برای رسیدن به این مهم بسیار موثر هستند. از جمله شاخه های از علم پزشکی که این نیاز بسیار محسوس بوده مربوط به بینایی است. در این مقاله ارزیابی قابلیت مدل های تطبیقی عصبی – فازی برای تشخیص بیماری ها بر روی داده های بینایی (عنبیه) از داده های UCI به انجام رسید. داده های موجود در این پایگاه داده شامل 3 کلاس بوده اند لذا الگوریتم هوشمند برای 3 کلاس طراحی شد به این صورت که در گام اول نرم سازی روی داده ها به انجام رسید سپس یک شبکه محاسبه نرم فازی- عصبی که دارای 4 تابع عضویت به طور میانگین برای هر یک از ورودی ها است ایجاد گردید. در انتها با تقسیم کل داده ها به دو دسته داده های آموزش و تست به نسبت 60 درصد ( 90 مورد از هر کلاس 30 مورد) داده ها به عنوان داده آموزش و 40 درصد ( 60 مورد هر کلاس 20 مورد) داده ها به عنوان داده تست، الگوریتم مربوط به شبکه ANFIS مورد ارزیابی قرار گرفت و در نهایت با دقت متوسط 95 % و 100 % به ترتیب برای فاز تست و آموزش شبکه توانست به تفکیک 3 کلاس داده از هم بپردازد.

کلیدواژه ها:

تصمیم گیری ، استنتاج فازی ، ANFIS ، سوگنو ، شبکه های تطبیقی ، یادگیری هیبریدی ، داده های بینایی