کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

ترکیب خوشه بندی k-means و الگوریتم فراابتکاری گرگ های خاکستری برای افزایش دقت پیش بینی بیماری دیابت نوع 2

نویسندگان :

علی اکبر تجری سیاه مرزکوه¹

1- دانشگاه گلستان

کلمات کلیدی :

پیش بینی بیماری، الگوریتم گرگ های خاکستری، بیماری دیابت، پیش پردازش داده ها، خوشه بندی

چکیده :

افزایش تعداد بیماران دیابتی و ناآگاهی اغلب این نوع بیماران در مورد خطرات ناشی از آن، چالشی است که جان انسانها را تهدید می کند. در این مقاله، راهکار جدیدی بر پایه ی الگوریتم گرگ های خاکستری برای پیش بینی بیماری دیابت نوع 2 ارائه شده است. در الگوریتم پیشنهادی، گرگ های قوی تر بر اساس میزان برازندگی جایگزین گرگ های ضعیف تر می شوند. در هر تکرار از الگوریتم، میزان برازندگی محاسبه شده و در صورت بهتر شدن آن، باز هم الگوریتم تکرار می شود، در غیر این صورت الگوریتم خاتمه می یابد. هدف اصلی از روش پیشنهادی، افزایش دقّت پیش بینی و همچنین کاهش احتمال گیر افتادن در نقاط بهینه ی محلّی است. برای کسب اطمینان از دقّت مدل ارائه شده، روش پیشنهادی روی چند نمونه مجموعه داده آزمایش شده است. به طور جزئی تر، روش پیشنهادی از دو بخش تشکیل می شود: پیش پردازش داده ها شامل آماده سازی داده ها و حذف نویز و دسته بندی داده ها با استفاده از الگوریتم گرگ های خاکستری. از مجموعه داده ی دیابت Pima Indians در محیط شبیه سازی متلب برای تجزیه و تحلیل داده ها و مقایسه ی نتایج تحقیق استفاده شده است. نتایج شبیه سازی نشان می دهد که با تنظیم پارامترهای الگوریتم گرگ های خاکستری، به میزان 1.2% دقّت پیش بینی بهتر نسبت به تحقیقات دیگر به دست می آید. همچنین برای ارزیابی دقیق تر روش پیشنهادی، از دو مجموعه داده ی دیگر برای آزمایش استفاده شده است. نتایج آزمایش ها نشان می دهند که مدل ارائه شده برای مدیریت سلامت در بیماری دیابت از کارآیی لازم برخوردار است.