ارائه روشی به منظور تشخیص و بهینه سازی بیماری دیابت با استفاده از روش های داده کاوی و الگوریتم کرم شب تاب

نوع مقاله : مقاله پژوهشی

نویسنده

دانشگاه آزاد اسلامی واحد دزفول

10.22091/JEMSC.2022.6575.1147

چکیده

بیماری دیابت یکی از شایع ترین، خطرناک ترین و پرهزینه ترین بیماری های حال حاضر دنیا است، که با نرخ هشدار دهنده ای در حال افزایش است. استفاده از روش های داده کاوی می تواند به تشخیص زودهنگام دیابت کمک کند، که باعث جلوگیری از پیشرفت این بیماری و خیلی از عوارض آن مانند بیماری های قلبی و عروقی، مشکلات بینایی و بیماری های کلیوی می شود. ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که با استفاده از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. در این تحقیق به ارائه روش جدیدی به منظور بهبود تشخیص و پیشگیری از بیماری دیابت با استفاده از روش های داده کاوی پرداخته می شود. در این تحقیق از الگوریتم خوشه بندی DBSCAN جهت خوشه بندی داده ها استفاده می شود سپس با استفاده از SVM داده ها را جهت تشخیص داده های مفید، دسته بندی می کنیم و در نهایت با الگوریتم کرم شب تاب داده های بدست آمده را جهت افزایش کارایی با این الگوریتم بهینه می کنیم.نتایج حاصل از این تحقیق حاکی از کارایی بالاتر الگوریتم DBSCAN نسبت به سایر الگوریتم های خوشه بندی است همچنین الگوریتم SVM می تواند دقت 98% را بدست آورد که در مقایسه با سایر الگوریتم های داده کاوی توانست درصد دقت بیشتری را کسب کند.

کلیدواژه‌ها

عنوان مقاله [English]

Provide a method to diagnose and optimize diabetes using data mining methods and firefly algorithm

نویسنده [English]

  • reza molaee fard
Azad university of dezfull
چکیده [English]

Diabetes is one of the most common, dangerous and costly diseases in the world today, which is increasing at an alarming rate. The use of data mining methods can help in the early diagnosis of diabetes, which prevents the progression of this disease and many of its complications such as cardiovascular disease, vision problems and kidney disease. Providing care and health services to people with diabetes provides useful information that can be used to identify, treat, follow-up care and even prevent diabetes. In this study, a new method is presented to improve the diagnosis and prevention of diabetes using data mining methods. In this research, the DBSCAN clustering algorithm is used to cluster the data. Then, using SVM, we classify the data to identify useful data, and finally, with the firefly algorithm, we increase the obtained data to increase we optimize performance with this algorithm. The results of this study indicate that the DBSCAN algorithm is more efficient than other clustering algorithms. Also, the SVM algorithm can achieve 98% accuracy, which compared to other data mining algorithms could achieve a higher accuracy percentage.

کلیدواژه‌ها [English]

  • Diabetes Diagnosis
  • Data Mining
  • DBSCAN Algorithm
  • SVM Algorithm
  • Firefly Algorithm
ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

هم رسانی

ارجاع به این مقاله

آمار