انتخاب ویژگی با استفاده از جستجوی تابو، الگوریتم ژنتیک وKNN برای تشخیص بیماری دیابت
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,463
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_049
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
بیماری دیابت یکی از جدیترین چالشهای موجود حوزهی سلامت در کشورهای درحال توسعه و توسعهیافته است. نیازبه طراحی سیستمی جهت تشخیص این بیماری با هزینه بهینه و کارایی بالا است. در این مقاله از پایگاهدادهی استانداردPIDبرای تشخیص دیابت استفاده شده است. برای انتخاب ویژگیهای موثر در تشخیص بیماری دیابت، از تلفیق جستجوی تابو با الگوریتم ژنتیک وKNNاستفاده شده است. درصورت عدم دقت در انتخاب مناسب تابع معیار، امکان انتخاب بیشینه (کمینه) محلی بهجای بیشینه (کمینه) سراسری در الگوریتم ژنتیک وجود دارد. برای رفع این مشکل، در روش پیشنهادی از جستجوی تابو استفاده شده است. جستجوی تابو با استفاده از لیست ممنوعه، قادر به حذف بیشینه(کمینه) محلی است تا در فضای جستجو به بهینه سراسری برسد. پارامترهای متعددی بر کارایی جستجوی تابو موثر استکه از مهمترین پارامترهای آن اندازه لیست ممنوعه و مجموعه کاندید است. روش پیشنهادی نسبت به روشهای دیگر دارای سرعت بالاتری در رسیدن به ویژگیهای بهینه بوده و دارای دقت بالای 77.34 درصد است
کلیدواژه ها:
نویسندگان
ملیحه حبیبی
مربی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور بیرجند،
علیرضا احمدی فرد
استادیار، دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود،
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :