TY - JOUR ID - 1277 TI - -تشخیص بیماری قلبی عروق کرونر با سیستم هوشمند ترکیبی براساس الگوریتم نهنگ، شبیه ساز تبرید و ماشین بردار پشتیبان JO - مدیریت مهندسی و رایانش نرم JA - JEMSC LA - fa SN - 2538-6239 AU - حسنی, زینب AU - خسروی مشیزی, مهین AD - مربی، دانشکده فنی وعلوم پایه، دانشگاه کوثربجنورد، بجنورد، ایران AD - دانشجو، دانشکده فنی وعلوم پایه، دانشگاه کوثربجنورد، بجنورد، ایران Y1 - 2020 PY - 2020 VL - 6 IS - 2 SP - 167 EP - 181 KW - بیماری قلبی عروق کرونر KW - ماشین بردارپشتیبان (SVM) KW - الگوریتم بهینه سازی نهنگ (WOA) KW - الگوریتم شبیه سازتبرید SA)) KW - الگوریتم ترکیبی DO - 10.22091/jemsc.2018.1277 N2 - در سال­های اخیر، الگوریتم­های یادگیری ماشین به طور گسترده­ای در تشخیص و درمان به موقع بیماری­ها نقش بسزایی را ایفا می­کنند. علاوه بر این، تشیخص بیماری در مراحل آغازین آن، در بهبود بیماری و در کاهش هزینه­های درمانی بیمار بسیار موثر است. بیماری قلبی یکی از دلایل اصلی مرگ در جهان شناخته شده­ است. مطالعات زیادی برای تشخیص بیماری و طراحی سیستم هوشمند و کارا انجام شده ­است. در این مقاله، الگوریتم ترکیبی نهنگ و شبیه ساز تبرید برای شناسایی عوامل موثر در تشخیص بیماری ارائه شده ­است و الگوریتم ماشین بردار پشتیبان برای طبقه­بندی موثر بیماری لحاظ شده ­است. رویکرد پیشنهادی با مجموعه داده بیماری قلبی کلیولند در پایگاه داده UCI ارزیابی شده ­است. الگوریتم پیشنهادی با صحت 87.78 درصد با تعداد ویژگی کمتر توانسته بیماری را تشخیص دهد. نتایج حاصل برتری روش پیشنهادی را نشان می­دهد و همچنین رویکرد پیشنهادی می­تواند پزشکان را در تشخیص درست و  در مراحل اولیه بیماری یاری رساند. UR - https://jemsc.qom.ac.ir/article_1277.html L1 - https://jemsc.qom.ac.ir/article_1277_0034b961ec78c93b97ef0ba0714e9a8a.pdf ER -