مقایسه عملکرد الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات در افزایش دقت تشخیص سرطان به کمک داده کاوی

امروزه حجم زیادی از داده ها در حال تولید است. برای انسان ناممکن است که بتواند این حجم از داده ها را درک کند . علم داده کاوی با تلفیق علوم دیگر، قصد دارد الگوهای پنهان درون این داده ها را کشف کند. یکی از محیط های مهم مورداستفاده داده کاوی، حوزه پزشکی و سلامت است و هدف داده کاوی در این حوزه، کاهش زمان، هزینه و کشف الگوها از اطلاعات بیماران است ، با تکنولوژی های کم هزینه سخت افزاری و نرم افزاری، داده ها با کیفیت بهتر و در حجم های بالاتر به صورت خودکار ذخیره می گردند.ما نیاز به یک روش کارآمد و دقیق داریم تا با کمترین زمان و بیشترین دقت مارا در تشخیص بیماری یاری سازد. در این پژوهش از دو الگوریتم فراابتکاری که الگوریتم بهینه سازی ازدحام ذرات و الگوریتم ژنتیک نام دارند،استفاده کرده ایم و در نهایت رویکرد این دو الگوریتم را در افزایش دقت در تشخیص سرطان را مورد بررسی قرار داده ایم. الگوریتم های داده کاوی که در این تحقیق از طریق آنها مدل ها را ساخته ایم عبارتند از : درخت تصمصم گیری ، پشتیبانی از الگوریتم های ماشین بردار ،الگوریتم های بسته بندی و الگوریتم انباشته شدن . برای افزایش دقت دو الگوریتم فراابتکاری ژنتیک و ازدحام ذرات را مورد استفاده قرار داده ایم.

کلیدواژه ها:

داده کاوی ، الگوریتم ازدحام ذرات ، الگوریتم ژنتیک ، سرطان ، بهینه سازی