ارائه یک دسته‌بندی‌کننده فازی مبتنی بر الگوریتم ABC برای تشخیص بیماری‌های کبدی

چکیده مقاله

در این پژوهش ما مجموعه داده yeast از سایت UCI را به کار گرفته‌ایم و عملکرد روش پیشنهادی ما به‌وسیله معیارهای دقت (نرخ دسته‌بندی)، Sensitivity و Specificity ارزیابی می‌شود. دقت و نرخ دسته‌بندی به‌دست آمده از روش پیشنهادی ما 4/92 درصد می‌باشد که در مقایسه با روش‌های ارائه شده پیشین بهبود یافته است. کبد، بزرگترین عضو داخلی بدن به شمار می‌آید. این عضو به ذخیره انرژی و حذف سموم بدن کمک می‌کند و نقش مهمی را در فرآیند گوارش، دستگاه هاضمه و متابولیسم مواد غذایی برعهده دارد و بیش از 500 عمل مختلف را در بدن انجام می‌دهد. مواردی از قبیل نوشیدن بیش از حد مشروبات الکلی، مصرف مواد مخدر و زیاده‌روی درمصرف چربی‌های غیرطبیعی، باعث پیدایش اختلالات در کبد و در پی آن، بروز بیماری‌های کبدی می‌شود. در این پژوهش، تشخیص بیماران کبدی به‌وسیله یک روش ترکیبی شامل علم فازی و الگوریتم کلونی زنبور عسل مصنوعی انجام می‌شود که روش پیشنهادی خودمان را به اختصار FABC-LD نام‌گذاری کرده‌ایم. به‌وسیله ویژگی‌های بیماری و با تعریف توابع عضویت فازی برای این ویژگی‌ها، قواعد If-Then فازی ایجاد می‌شوند که به‌عنوان یک دسته‌بندی‌کننده فازی، عمل دسته‌بندی بیماران بر اساس قواعد فازی را انجام می‌دهد. کارایی سیستم دسته‌بندی فازی به قواعد فازی و تعدادشان بستگی دارد. قواعد بیشتر ممکن است نتیجه دقت دسته‌بندی را بهبود دهند ولی در عوض باعث افزایش زمان اجرای محاسباتی نیز می‌شوند. بنابراین وظیفه الگوریتم کلونی زنبورعسل مصنوعی، گلچین‌کردن قواعد و بهینه‌سازی پایگاه دانش و در نتیجه بهینه‌کردن سیستم دسته‌بندی‌کننده فازی می‌باشد. در این پژوهش، ما مجموعه‌داده Liver Disorders از سایت UCI را به‌کار گرفته‌ایم و عملکرد FABC-LD به‌وسیله معیارهای دقت (نرخ دسته‌بندی)، Sensitivity و Specificity ارزیابی می‌شود. دقت و نرخ دسته‌بندی به‌دست آمده از FABC-LD، 4/96 درصد می‌باشد که در مقایسه با روش‌های ارائه شده پیشین بهبود یافته است.

دریافت لینک دانلود مقاله