بررسی کارایی سیستم دسته بند یادگیر برای شناسایی بیماران قلبی

پیشینه و اهداف: بیماری های قلبی به عنوان یکی از شایع ترین بیماری های جهان معرفی شده اند و تاخیر در درمان آن ها می تواند منجر به افزایش مرگ بیماران گردد. هدف اصلی این تحقیق ارتقاء شناسایی بیماران قلبی با استفاده از سیستم دسته بند یادگیر است.روش ها: در این تحقیق، از سیستم های دسته بند یادگیر با تکنیک های یادگیری مبتنی بر قواعد استفاده شده است. این تکنیک ها بر پایه دو اصل اساسی یادگیری تقویتی و الگوریتم های تکاملی ژنتیک ساخته شده اند. سبک میشیگان به عنوان روش بهینه سازی انتخاب شده و مجموعه داده بیماران قلبی از مرکز تحقیقات افشار برای آموزش و یادگیری سیستم مورداستفاده قرارگرفته است.یافته ها: پس از آموزش سیستم، تعدادی قانون باارزش تولیدشده که در مرحله آزمون برای پیش بینی بیماران قلبی مورداستفاده قرار گرفته است. نتایج آزمایش ها نشان می دهد که با استفاده از سیستم دسته بند یادگیر بر مبنای سبک میشیگان، شناسایی بیماران قلبی بهبودیافته و دقت پیش بینی به ۸۸ درصد افزایش یافته است؛ که این روش قادر به انجام شناسایی کامل تری از بیماران قلبی است.نتیجه گیری: با توجه به نتایج تحقیق، استفاده از سیستم دسته بند یادگیر بر مبنای سبک میشیگان به عنوان یک رویکرد بهینه، شناسایی بیماران قلبی را بهبود بخشیده و دقت پیش بینی را افزایش داده است. این روش می تواند بهبود موثری در درمان به موقع بیماران قلبی و کاهش مرگ ومیر ناشی از این بیماری ها داشته باشد.

کلیدواژه ها:

بیماری های قلبی ، سیستم دسته بند یادگیر ، یادگیری مبتنی بر قاعده