سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۱۱

نویسنده(ها):

امین عینی پور –
ماشاءاله عباسی دزفولی –
محمدحسین یکتایی –

چکیده:

دادهکاوی تکنیک و ابزار بسیار متداولی است که امروزه در زمینههای مختلفی کاربرد پیدا کرده اس ت . تشخیص بیماریها ی مختلف در علم پزشکی، یکی از زمینههای پرکاربرد دادهکاوی محسوب میشود که در سالهای اخیر تحقیقات و مطالعات زیادی پیرامون آن انجام شده است. در این مقاله به مساله تشخیص سرطان سینه پرداخته و از ترکیب سیستمهای فازی و الگوریتم های تکاملی و برای تشخیص خودکار سرطان سینه استفاده میشود. روش پیشنهادی مطرح شده، به کمک سیستم های فازی مبتنی بر قانون که مجموعه ای از قوانین if-then فازی می باشند، دانش مورد نیاز را واکشی نموده و عمل دسته بندی را انجام می دهد . قوانین فازی از آن جهت مورد توجه می باشند که امکان تفسیر آنها توسط انسان خبره وجود دارد. در واقع دانش مد نظر ما می تواند به صورت یک پایگاه قانون فازی در نظر گرفته شود که در طول فرایند داده کاوی و به کمک یک الگوریتم بهینه ساز ی با توجه به معیارهایی نظیر دقت و قابلیت تفسیر، بهبود می یابد. برای بهینه نمودن مجموعه قوانین فازی بدست آمده، از روش بهین ه ساز ی جامعه مورچگان استفاده می کنیم. سیستم ارائه شده دارای دو ویژگی اصلی سیستمهای دادهکاوی یعنی قابلیت اعتماد بالا و قابلیت تفسیر مناسب است که از این نظر با الگوریتمهای مشابه قبلی قابل رقابت است. نتایج بدست آمده از اجرا بر ر وی مجموعه داده Wisconsin Breast Cancer از مخزن داده UCI، ثابت می کند که روش ACFS پیشنهادی Ant Colony based FuzzySystem میتواند با دقت بالایی به دستهبندی و پیش بینی نمونه های سرطانی بپردازد به طوریکه قوانین تولید شده نیز به راحتی توسط یک شخص خبره قابل تفسیر باشند