این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۶، شماره ۲، صفحات ۳۲-۴۷
عنوان فارسی ارایه مدل هوشمند هایبریدی فازی-تکامل ژنتیکی تفاضلی در یک سیستم خبره فازی برای پیش‌بینی خطر ابتلا به بیماری قلبی
چکیده فارسی مقاله هدف از این مقاله، ارائه­ی یک سیستم هوشمند جهت پیش­بینی بیماری قلبی به دلیل پیشگیری از خطر ابتلا به بیماری قلبی می­باشد. برای این منظور، یک سیستم خبره­ی فازی برای پیش­بینی بیماری قلبی پیشنهاد شده است. مدل پیشنهادی می­تواند به عنوان ابزار کمکی در اختیار پزشکان قرار گیرد. به منظور تنظیم پارامترهای توابع عضویت سیستم خبره­ی فازی، بهبود عملکرد و افزایش دقت این سیستم، الگوریتم ژنتیک و الگوریتم تکامل تفاضلی بر روی سیستم خبره­ی فازی اعمال شده­اند. مدل­های ترکیبی فازی­ژنتیک و فازی­تکامل تفاضلی پیشنهادی با استفاده از روش­های ارزیابی تحلیل منحنی ROC و اعتبار سنجی 10 بخشی مورد ارزیابی قرار گرفته­اند. برای ارزیابی و اعتبارسنجی مدل­های پیشنهادی، از مجموعه داده­ای شامل 380 نمونه که از بیمارستان پارسیان تهیه شده است، استفاده گردید. براساس نتایج به دست آمده، سیستم خبره­ی فازی دارای صحت عملکردی برابر با %85.52 می­باشد که پس از اعمال مدل ترکیبی تکاملی فازی­ژنتیکی به%97.93، و مدل ترکیبی فازی­تفاضل تکاملی به 97.67% افزایش یافته است. نتایج بیانگر آن است که مدل پیشنهادی ترکیبی فازی تکاملی ژنتیکی صحت عملکرد سیستم خبره فازی را به طور چشمگیری بهبود بخشیده است. قابلیت تفسیر نتایج در سیستم خبره فازی و صحت عملکرد بالای مدلهای ترکیببی تکاملی، به منظور پیش بینی زودهنگام بیماری های قلبی و ارایه مراقبت های لازم به عنوان سیستم هوشمند تصمیم یار بسیار امید بخش است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Novel Fuzzy-Genetic Differential Evolutionary Algorithm for Optimization of A Fuzzy Expert Systems Applied to Heart Disease Prediction
چکیده انگلیسی مقاله This study presents a novel intelligent Fuzzy Genetic Differential Evolutionary model for optimization of a fuzzy expert system applied to heart disease prediction in order to reduces the risk of heart disease. For this, a fuzzy expert system has been proposed for prediction of heart disease. The proposed model can be used as a tool to assist physicians. In order to tune the parameters of the membership function of the fuzzy expert system, improve its performance and increase its accuracy, the Genetic Algorithm combined with the Differential Evolution Algorithm has been applied to the fuzzy expert system. The proposed hybrid models, Fuzzy-GA and Fuzzy-DE and Fuzzy-GA-DE models were evaluated using an ROC curve analysis and 10- fold cross validation methods. In order to evaluate and validate the performance of the model it was applied to a dataset including 380 samples collected from Parsian Hospital in Karaj. According to the results, the accuracy of the fuzzy expert system was 85.52% that have increased to 97.93% after to apply the hybrid Fuzzy-GA model and have increased to 97.67% after to apply the hybrid Fuzzy-DE model. According to the results, the accuracy of these hybrid models have improved the accuracy of the fuzzy expert system significantly. The ability to interpret of the results in the fuzzy expert system and the high accuracy of the hybrid evolutionary models, it is very promising for the early prediction of heart disease and the provision of necessary care as a decision-making intelligence system.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رعنا آخوندی | Rana Akhoondi


راحیل حسینی | Rahi H


نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-12-266-3&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-2043978.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات