تشخیص سرطان ریه به کمک منطق فازی و الگوریتم های بهبود دهنده ژنتیک وگداختگی شبیه سازی شده

انچه همواره برای محققان عرصه داده کاوی حائز اهمیت بوده ایجاد روشهایی جهت استخراج دانش از مجموعه داده ای بیماریها برای بدست اوردن اطلاعات و ابزار نوین می باشد به همین جهت دراین مقاله با استفاده از ترکیب نوینی از منطق فازی الگوریتم ژنتیک و گداختگی شبیه سازی شده روشی جدید جهت اعمال برروی مجموعه های داده ای با تعداد ویژگی زیاد به کار گرفته شده است که از جمله مزیتهای این روش کاهش پارامترهای مورد بررسی نسبت به روشهای گذشته می باشد. به این منظور ازمجموعه داده های بیماری سرطان ریه دانشگاه UCI که دارای تعداد ویژگی زیادی می باشد استفاده شده است جهت کاهش ابعاد مجموعه داده ای از دو روش PCA روشی است جهت کاهش ابعاد مسئله و انتخاب اگاهانه ویژگیهای تاثیرگذار توسط الگوریتم ژنتیک استفاده شده است در مقایسه با سایر روشها بهبود قابل ملاحظه ای در نتایج حاصله وجود دارد.

کلیدواژه ها:

منطق فازی ، الگوریتم ژنتیک ، الگوریتم گداختگی شبیه سازی شده ، سرطان ریه ، PCA ، ویژگیهای موثر