تشخیص سرطان سینه با استفاده از یک رویکرد ترکیبی مبتنی بر نگاشت خودسازمان یافته و ماشین یادگیری حداکثر

شبکه های عصبی مصنوعی یکی از متداول ترین روش های طبقه بندی و تشخیص سرطان سینه می باشد که علیرغم دقت بالا در کار با حجم بالای داده ها با مشکل مواجه شده و زمان محاسباتی نسبتا بالایی دارد. ماشین یادگیری حداکثر گسترشی بر شبکه های عصبی مصنوعی است که سرعت اجرای بالایی دارد اما زمانی که داده ها دارای پراکندگی بالا می باشند، عملکرد مناسبی ندارد. برای این منظور ما یک رویکرد ترکیبی مبتنی بر خوشه بندی و طبقه بندی ارایه می دهیم که در این مقاله از روش خوشه بندی نگاشت خود سازمان یافته به منظور ایجاد گروه هایی از داده ها با رفتار مشابه استفاده می کنیم. به منظور طبقه بندی داده ها از ماشین یادگیری حداکثر استفاده می شود. روش پیشنهادی به گونه ای طراحی شده است که با خوشه بندی داده ها و استفاده از شبکه عصبی برای هر خوشه، ناهمگنی داده های ورودی به شبکه عصبی کاهش می یابد. رویکرد پیشنهادی بر روی مجموعه داده ویسکانسین اجرا و مورد ارزیابی قرار گرفته شده،که نتایج نشان دهنده عملکرد بهتر روش پیشنهادی می باشد. روش ترکیبی پیشنهادی 1.2 درصد نسبت به روش شبکه عصبی مصنوعی به تنهایی به شکل به کاررفته در مقاله [1] بهبود داده شده است.

کلیدواژه ها:

طبقه بندی ، ماشین یادگیری حداکثر ، خوشه بندی ، سرطان سینه