الگوریتم زیر توپولوژی مجموعه های ناهموار برای تشخیص همزمان چند بیماری با علائم همپوشان

چکیده مقاله

این مقاله الگوریتمی بر اساس زیرتوپولوژی مجموعه های ناهموار برای تشخیص همزمان چند بیماری با علائم همپوشان ارائه می دهد روش پیشنهادی سه نوآوری اصلی دارد: ۱ طراحی الگوریتمی برای انتخاب بهینه نوع همسایگی بر اساس دقت زیرتوپولوژیکی هر بیماری به صورت جداگانه، ۲ مدلسازی ریاضی همپوشانی علائم بین بیماری ها با استفاده از ضریب ژاکارد و ادغام آن در محاسبه احتمال ابتلا و ۳ توسعه مکانیزم مدیریت داده های ناقص در سطح تصمیم گیری نهایی مدل پیشنهادی بر روی یک مجموعه داده شبیه سازی شده شامل ۲۰۰ بیمار با سه بیماری کووید ۱۹، آنفلوانزا و تب دنگی با داده های ناقص ارزیابی شده است نتایج تجربی نشان می دهد که روش پیشنهادی دقت تشخیص را نسبت به روش های مبتنی بر همسایگی و روش کلاسیک پاولاک بهبود می بخشد، همچنین نواحی مرزی تصمیم گیری کاهش یافته و مقاومت در برابر داده های ناقص افزایش می یابد این بهبودها ناشی از توانایی الگوریتم پیشنهادی در تحلیل ساختاری همپوشانی نواحی مرزی بین بیماری های مختلف است

کلیدواژه‌ها

نویسندگان

الهه عبدالهی

کارشناس ارشد رشته ریاضیات و کاربردها

مرضیه نجفی

استادیار گروه ریاضی دانشگاه ولایت ایرانشهر

�بدالهی، الهه و نجفی، مرضیه،1404،الگوریتم زیر توپولوژی مجموعه های ناهموار برای تشخیص همزمان چند بیماری با علائم همپوشان،پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه،ایرانشهر

ارائه‌شده در

مجموعه مقالات دهمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران26 بهمن 1404 · ایرانشهر