کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تحلیل مقایسه‌ای روش‌های محاسبات نرم در خوشه‌بندی داده‌های بالینی اختلالات کبدی

نویسندگان :

محمد مهدی موذنی¹

1- دانشگاه صنعتی امیر کبیر تهران

کلمات کلیدی :

محاسبات نرم،خوشه بندی،خوشه بندی فازی،بهینه سازی ازدحام ذرات،داده کاوی بالینی

چکیده :

خوشه بندی داده های بالینی، مانند مجموعه داده اختلالات کبدی، برای کشف الگوهای پنهان بیماری اهمیت دارد، با این حال الگوریتم های استاندارد مانند K-Means با چالشهایی نظیر همگرایی در بهینههای محلی مواجه هستند. روشهای محاسبات نرم به دلیل انعطاف پذیری، راه حلهای قدرتمندی برای غلبه بر این محدودیتها ارائه میدهند. هدف این پژوهش، ارزیابی مقایسه ای سه روش محاسبات نرم شامل خوشه بندی فازی (FCM)، شبکه عصبی خود سازمانده (SOM) و بهینه سازی ازدحام ذرات (PSO) در برابر الگوریتم K-Means، بر روی مجموعه داده اختلالات کبدی (UCI) است. داده ها پس از یک فرآیند پیش پردازش کامل شامل پاکسازی، حذف داده‌های پرت (IQR) و استانداردسازی ، با استفاده از الگوریتم های بهینه سازی شده از نظر پارامتر و پایداری خوشه بندی شدند. کیفیت نتایج با استفاده از معیارهای ارزیابی داخلی (ضریب سیلوئت، کالینسکی ها راباس و دیویس بولدین) سنجیده شد. نتایج نشان داد که هیچ الگوریتمی در تمام معیارها برتری مطلق نداشت ؛ روش فازی (FCM) با کسب بالاترین ضریب سیلوئت (۰.۲۳۹۷)، بهترین کیفیت خوشه را از نظر فشردگی و جدایی نشان داد ، الگوریتم PSO با دستیابی به کمترین شاخص دیویس بولدین (۱.۶۰۱۷)، بهترین عملکرد را در جداسازی مراکز خوشه ها داشت و K-Means در شاخص کالینسکی ها راباس (۷۱.۶۱) برتر بود. این یافته ها تأیید می کند که روشهای محاسبات نرم، به ویژه FCM و PSO، جایگزینهای بسیار توانمند و کارآمدی برای خوشه بندی داده های بالینی هستند.