پایان نامه ارشد مهندسی فناوری اطلاعات: طراحی سیستم دستهبند فازی مبتنی بر بهینه سازی ازدحام ذرات برای تشخیص بیماری دیابت |
2-5-3- گونه های مختلف PSO………………….
2-5-3-1- بهینه سازی ازدحام ذرات مبتنی بر شبکه های جمعی…………………. 48
2-5-3-1-1- همسایگی مبتنی بر فاصله فضایی…………………. 48
2-5-3-1-2- همسایگی فزاینده……………….. 48
2-5-3-1-3- بهینه سازی ازدحام ذرات کاملاً آگاه (FIPS)…………………
2-5-3-2- مدل پیوندی بهینه سازی ازدحام ذرات………………….. 50
2-5-3-3- بهینه سازی ازدحام ذرات چند جمعیتی…………………. 53
2-6- سیستم های فازی…………………. 56
2-6-1- ساختار یک سیستم دسته بندی مبتنی بر قوانین فازی……… 57
2-6-2- دسته بندی بدون استفاده از درجه قطعیت………………….. 58
2-6-3- دسته بندی با استفاده از درجه قطعیت………………….. 62
2-6-4- استنتاج فازی…………………. 66
2-7- معیار های ارزیابی دسته بند ها……………….. 68
فصل سوم – روش تحقیق…………………. 72
3-1- مقدمه………………… 73
3-2- تبدیل داده های حقیقی به ترم های فازی…………………. 75
3-3- تولید توابع عضویت و قوانین فازی با استفاده از الگوریتم بهینه سازی ازدحام ذرات…….. 77
3-3-1- کدگذاری توابع عضویت فازی…………………. 78
3-3-2- کدگذاری قوانین فازی…………………. 80
3-3-3- PSO پیشنهادی…………………. 82
3-3-5- توابع برازش کیفیت قوانین…………………. 87
3-5- نتیجه گیری…………………. 90
فصل چهارم – محاسبات و یافته های تحقیق…………………. 91
4-1- داده های مورد استفاده……………….. 92
4-2- تنظیم پارامترها……………….. 94
4-3- روش های استفاده شده به منظور مقایسه………………… 97
4-4- نتایج…………………. 98
4-5- نتیجه گیری…………………. 101
فصل پنجم – نتیجه گیری و پیشنهادات…………………. 102
5-1- خلاصه و نتیجه گیری…………………. 103
5-2- پیشنهادات………………….. 103
منابع:……………….. 105
چکیده:
تشخیص بیماریدیابت و یا آگاهی یافتن از احتمال بالای ابتلا به این بیماری همواره کار آسانی نخواهد بود. چرا که این بیماری علائم متعددی را بروز می دهد که بعضی از این علائم در سایر بیماری های دیگر نیز وجود دارند. بنابراین پزشک برای اتخاذ یک تصمیم مناسب، باید نتیجه ی آزمایش های بیمار و تصمیم هایی که در گذشته برای بیماران با وضیعت مشابه گرفته است، را بررسی کند.
در این پایان نامه از یک الگوریتم دسته بندی مبتنی بر قانون برای دسته بندی بیماران دیابتی استفاده شده است. برای استخراج قوانین فازی از یک الگوریتم بهینه سازی ازدحام ذرات استفاده شده است. این الگوریتم دارای ویژگی هایی است که آن را از سایر الگوریتم مورد استفاده متمایز می کند. از جمله ی این ویژگی ها می توان به تابع افزایش تنوع ذرات و تکامل هم زمان توابع عضویت و قوانین فازی اشاره کرد. برای ارزیابی کارایی الگوریتم از مجموعه داده ی دیابت استفاده شده است. نتایج ارزیابی ها نشان می دهد که الگوریتم برای مجموعه داده ی دیابت دارای کارایی بسیار بالایی می باشد. همچنین کارایی الگوریتم پیشنهادی به علت بالا بردن قابلیت تفسیرپذیری دسته بند (کاهش تعداد قوانین فازی) بسیار مناسب می باشد.
فصل اول: مقدمه و کلیات تحقیق
1-1- مقدمه
افزایش استفاده از کامپیوترها در فعالیت های کسب و کار، منجر به رشد سریع پایگاه های اطلاعاتی و اجتماع داده ها توسط بیشتر سازمان ها شده است. روزانه حجم عظیمی از داده ها تولید شده و در پایگاه های مختلف داده ذخیره می شود. در سال های اخیر تمایل به جستجو برای کشف الگوهای تکرار پذیر به منظور بهبود در تصمیم گیری افزایش چشمگیری داشته است. همچنین کاوش در داده های تراکنشی جهت یافتن الگوهای پنهان و تکنیک های کشف دانش به منظور شناخت دقیق تر و بیشتر تراکنش ها، اهمیت بسزایی یافته است. [1]. در حوزه پزشکی و سلامت با افزایش استفاده از سیستم های جامع درمانی و پرونده های الکترونیک بیمار در بیمارستان ها و مراکز درمانی حجم انبوهی از اطلاعات مربوط بیماران و انواع بیماری ها مهیا می شود. [2]. استخراج دانایی از حجم عظیم داده های مرتبط با سوابق بیماری و پرونده های پزشکی افراد با استفاده از فرآیند داده کاوی می تواند منجر به شناسایی قوانین حاکم بر ایجاد، رشد و افت بیماری ها گردیده و اطلاعات ارزشمندی را به منظور شناسایی علل وقوع بیماری ها با توجه به عوامل محیطی حاکم در اختیار متخصصین و دست اندر کاران حوزه سلامت قرار دهد؛ که این امر در نهایت منجر به افزایش متوسط طول عمر افراد جامعه و ایجاد آرامش می گردد. [3].
آنچه مسلم است با افزایش سیستم های الکترونیک سلامت حجم داده های پزشکی هر روزه در حال افزایش است. اما این مجموعه داده های بزرگ به طور خام هیچ کاربردی ندارد برای آنکه بتوان از این داده ها ارزشی را استخراج کرد نیاز به تحلیل داده ها و تبدیل آن به اطلاعات و دانش، یک نیاز اساسی است. با توجه به چنین حجمی از داده ها استفاده از عامل انسانی به عنوان تشخیص دهنده الگوها و تحلیلگر داده ها پاسخگو نمی باشد؛ لذا داده کاوی روی داده های پزشکی از اهمیت بالایی برخوردار است. داده کاوی را می توان از جنبه های مختلف در پیشگیری یا تشخیص انواع بیماری، انتخاب روش های درمان بیماری، مدت زمان بستری بیمار و … به کار برد.
2-1- بیان مسأله
دیابت یکی از بیماری های رایج در جوامع امروزی است که دارای عوارض خطرناکی می باشد. این بیماری اگر چه گونه ای از بیماری های قلبی محسوب نمی شود ولی اغلب سبب بیماری های قلبی می شود.
فرم در حال بارگذاری ...
[چهارشنبه 1399-10-17] [ 06:31:00 ب.ظ ]
|