تشخیص بیماری هپاتیت با روش ترکیبی جدید مبتنی بر ماشین پشتیبان برداری و بازپخت SVM-SA

این مقاله به تشخیص بیماری هپاتیت با استفاده از روش ترکیبی جدید مبتنی بر ماشین پشتیبان برداری و بازپخت شبیه‌ سازی شده (SVM-SA) می‌ پردازد که دقت طبقه‌ بندی 96.25% را به دست می‌ دهد.

چکیده:
دراین مطالعه تشخیص بیماری هپاتیت که یکی از بیمارهای شایع و مهم ساست، با استفاده از از روش یادگیری ماشینی انجام شده است. ما یک روش یادگیری ماشینی نوینی را که ترکیبی از ماشین بردار پشتیبان (SVM) و بازپخت شبیه‌سازی شده (SA) است را ارائه نمودیم. بازپخت شبیه‌سازی شده یک روش تصادفی است که امروزه به طور گسترده ای برای مسائل بهینه‌ سازی دشوار، به کار می‌رود همچنین ماشین برداری پشتیبان در سالهای اخیر به عنوان یکی از متدهای پیش‌بینی که دارای مزیتهای منحصربه‌فرد زیادی است و نتایج موفقیت آمیزی نیز داشته‌ است، شناخته می شود.

مت مجموعه داده‌های مورد استفاده در مطالعه خود را از مجموعه داده های آموزشی ماشین UCI برداشتیم. اعتبار سنجی کلاس‌بندی با میزان دقت متقابل 10- فول به دست آمد. دقت طبقه‌بندی به دست آمده 96.25 % بود که در مقایسه با سایر روشهای کلاس‌بندی در مقالات دیگر، بسیار امیدوار کننده می‌باشد.

فهرست مطالب:
1. مقدمه
2. تحقیقات مرتبط
3. مجموعه داده‌های هپاتیت
4. بازپخت شبیه‌سازی شده بر اساس SVM
4.1. پردازش داده ها
4.2 . مقیاس بندی
4.3. جستجوی بازپخت شبیه‌سازی شده
4.4. ساخت مدل
5. نتایج تجربی
5.1. معیارهای ارزیابی عملکرد
5.2. بهبود کارایی جستجوی پارامترها با روش SA‌
5.3. مطالعه شبیه‌‌سازی شده
6. بحث و نتیجه‌گیری