-تشخیص بیماری دیابت با استفاده از الگوریتم ترکیبی گرده افشانی گل و الگوریتم گروهی نزدیکترین همسایه | ||
| مدیریت مهندسی و رایانش نرم | ||
| مقاله 3، دوره 8، شماره 1 - شماره پیاپی 14، فروردین 1401، صفحه 37-48 اصل مقاله (964.13 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/jemsc.2019.1280 | ||
| نویسندگان | ||
| زینب حسنی* 1؛ نجمه صمدیانی2 | ||
| 1علوم کامپیوتر دانشگده فنی و علوم پایه دانشگاه کوثر بجنورد، بجنورد، ایران | ||
| 2کامپیوتر، دانشکده علوم پایه و مهندسی دانشگاه کوثر بجنورد، بجنورد، ایران | ||
| چکیده | ||
| دیابت بیماری است که علاوه بر پیشگیری، نیاز به مراقبتهای فراوانی از جمله میزان نوسانات سطح قند خون دارد. تشخیص به موقع بیماری نقش بسزایی در درمان ایفا میکند و به طور چشمگیری صدمات ناشی از بیماری را کاهش میدهد. بنابراین، نیاز به تشخیص بیماری دیابت احساس میشود. به دلیل آنکه الگوریتمهای ترکیبی توانایی بالایی در پیشبینی و تشخیص انواع بیماریها دارند، در این مقاله رویکردی هوشمندانه با الگوریتم ترکیبی گرده‌افشانی گل و الگوریتم گروهی نزدیکترین همسایه برای تشخیص این بیماری ارائه شده است. صحت روش پیشنهادی با مجموعه داده PID با 768 نمونه و 8 ویژگی ارزیابی شده و صحت 97.78 درصد به دست آمده است. نتایج نشان میدهد که صحت این روش به میزان قابل توجهی نسبت به مطالعات قبلی بهبود یافته است که برتری روش پیشنهادی را تأیید میکند. | ||
| کلیدواژه‌ها | ||
| الگوریتم گرده افشانی گل؛ الگوریتم نزدیکترین همسایه؛ الگوریتم گروهی نزدیکترین همسایه؛ بیماری دیابت | ||
| عنوان مقاله [English] | ||
| The Diagnosis of Diabetes Using a Hybrid Algorithm Consisting of the Flower Pollination Algorithm and an Ensemble of a Subset of K-NN Classifiers | ||
| نویسندگان [English] | ||
| Zeinab Hassani1؛ Najmeh Samadiani2 | ||
| 1computer science Kosar university of Bojnord | ||
| 2computer Kosar university of Bojnord | ||
| چکیده [English] | ||
| Diabetes is a disease which, as well as prevention, requires a high level of care, such as monitoring the blood sugar changes. The timely diagnosis of disease plays an important role in its treatment and decreases the damage caused by the disease. Therefore, it is essential to diagnose diabetes. Since hybrid algorithms have a high ability to predict and diagnose various diseases, this article presents an intelligent approach to the diagnosis of this disease, using a hybrid algorithm of flower pollination and K-nearest neighbor ensemble. The accuracy of the proposed method is measured to be 97.78, by using Pima Indians Diabetes (PID) dataset, consisting of 768 samples and 8 features. The results show that the accuracy of this approach has significantly increased compared with the previous studies, and confirms the superiority of the proposed method. | ||
| کلیدواژه‌ها [English] | ||
| Diabetes, Ensemble of a Subset of K-Nearest Neighbor Classifiers, Flower Pollination Algorithm, K-Nearest Neighbor Algorithm | ||
| مراجع | ||
|
Abdelaziz A.Y., Ali E.S., Abd Elazim S.M., (2016), Flower pollination algorithm to solve combined economic and emission dispatch problems, Engineering Science and Technology, an International Journal, 19: 980–990 DOI:10.1007/s10287-009-0113-8 Aiswarya I., S. Jeyalatha and Ronak S., (2015), Diagnosis of Diabetes Using Classification Mining Techniques”, International Journal of Data Mining & Knowledge Management Process (IJDKP),5(1): 1-14 DOI:10.1007/s10287-009-0113-8 Alka L., Dharmender K., (2016), Survey on KNN and Its Variants, IJARCCE International Journal of Advanced Research in Computer and Communication Engineering, 5(5): 430-435. DOI:10.1109/CEC.2005.1554852 Anuja V. and Chitra R., (2013), Classification Of Diabetes Disease Using Support Vector Machine”, International Journal of Engineering Research and Applications (IJERA), 3(2): 1797-1801 DOI:10.1016/j.ejor.2006.12.024 Asma G., Aris P., Zardad K., Osama M., Miftahuddin M., Werner A., Berthold L., (2016), Ensemble of a subset of kNN classifiers, Mathematics Subject Classification, 1-14. Doi: 10.22091/jemsc.2019.1294 Bhuvaneswari P., Brintha A., (2015), Detection of Cancer in Lung with K-NN Classification Using Genetic Algorithm. Procedia Materials Science. 10: 433 – 440. DOI:10.1016/j.cor.2005.06.017 Francisco J.C., Jose J.V., Jorge C., Juan R.R., (2018), Oversampling imbalanced data in the string space, Pattern Recognition Letters,103: 32-38. DOI:10.1016/j.eswa.2011.03.060
Harleen and Bhambri P, (2016), A Prediction Technique in Data Mining for Diabetes Mellitus,” Journal of Management Sciences and Technology, 4(1): 1-12. Doi: 10.22091/jemsc.2019.1294 Haruna C., Liyana M.S., Sanah A.M., Adamu I. A., et al, (2015), A Review of the Applications of Bio-Inspired Flower Pollination Algorithm, The 2015 International Conference on Soft Computing and Software Engineering (SCSE 2015), 62: 435-441 Doi: 10.22091/jemsc.2019.1294 Ihsan S., Osman N., Oguz B. and Khalid S., (2018), Impact of Metaheuristic Iteration on Artificial Neural Network Structure in Medical Data, Processes, 6, 57. DOI:10.1109/TEVC.2008.925798 Lenin K. and Reddy B. R., (2014), Hybrid Eagle Strategy Flower Pollination Algorithm for Solving Optimal Reactive Power Dispatch Problem, International Journal of Electrical Energy, 2(3) DOI:10.1016/j.sbspro.2013.03.036 Lichman, M. UCI Machine Learning Repository; University of California, School of Information and Computer Science: Irvine, CA, USA, http://www.ics.uci.edu/ ∼ mlearn/MLRepository.html DOI:10.1016/j.amc.2003.10.057 Murali V., and George S. )2007(. An overview of internet addiction. Advances in Psychiatric Treatment, 13: 24-30. Doi: 10.1016/j.proeng.2013.04.103 Yilmaz N., Inan O., Uzer M.S, (2014), A new data preparation method based on clustering algorithms for diagnosis systems of heart and diabetes diseases,” J Med Syst, 38(5): 38-48. DOI:10.1007/BF02282055 Zheng. Z. )2015(. Oversampling method for imbalanced classification computing and Informatics, 34: 1017–1037. Doi: 10.1002/nav.3800030110 | ||
|
آمار تعداد مشاهده مقاله: 1,077 تعداد دریافت فایل اصل مقاله: 811 |
||