بهبود صحت تشخیص بیماری دیابت به کمک هم جوشی دسته بندهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان

چکیده مقاله

در بسیاری از مسایل کاربردی از جمله مسایل تشخیص بیماری با ابهام اطلاعات و عدم قطعیت در تصمیم گیری مواجه هستیم، به نحوی که این دو مورد از رسیدن به نتایجی قطعی برای حل مسیله جلوگیری به عمل میآورند مسیله تشخیص بیماری دیابت نیز از اینگونه مسایل است در این مقاله از نظریه گواه برای همجوشی نتایج حاصل از شبکه عصبی و ماشین بردار پشتیبان استفاده شده است دادههای بیماری نیز بر اساس اطلاعات مربوط به 2125 بیمار مشکوک به دیابت است که از بیمارستان فیروزگر تهران گردآوری شده است تشخیص دیابت در دو مرحله صورت میگیرد: در مرحله اول تشخیص با استفاده از شبکه عصبی و ماشین بردار پشتیبان انجام میشود و در مرحله دوم برای مقابله با عدم قطعیت، نتایج این دو دسته بند به عنوان مقادیر گواه پایه، به کمک نظریه گواه با یکدیگر ترکیب میشوند در نهایت خروجی نهایی حاصل از همجوشی شبکه و ماشین بردار پشتیبان با مقدار81/75 ٪ صحت بیشتری را نسبت به دسته بندهای مرحله اول نشان میدهد

کلیدواژه‌ها

نویسندگان

سیدپوریا عاملی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس

غلامعلی منتظر

استاد مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس

�املی، سیدپوریا و منتظر، غلامعلی،1396،بهبود صحت تشخیص بیماری دیابت به کمک هم جوشی دسته بندهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان،دومین کنفرانس ملی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر