روش نوین در بهینه سازی نظارتی الگوریتم IPSO روی دسته بندی IBK برای تشخیص بیماری دیابت نوع یک و دو

ما در این مقاله به پیش بینی بیماری دیابت با استفاده از الگوریتم های هوشمند پرداختیم. برای این منظور نخست سه الگوریتم هوش مصنوعی به نام های شبکه عصبی، ماشین بردار پشتیبان و بیزین ساده را بکار گرفتیم تا دسته بندی داده ها را انجام دهد. به دلیل نتایج و تفسیرهای متفاوت هر الگوریتم، از یک الگوریتم ترکیبی به نام IBK استفاده نمودیم تا یک پاسخ واحد را از سه الگوریتم در اختیار قرار دهد. سپس به دلیل وابستگی IBK به نزدیک ترین همسایه ها و ارائه پاسخهایی که یکی از آنها بهترین است، از الگوریتم IPSO استفاده نمودیم تا به بهینه سازی این الگوریتم بپردازد وبهترین پاسخ را ارائه دهد. نتایج کار نشان داد که اولا استفاده از IBK معیارهای ارزیابی را نسبت به روش شبکه عصبی، ماشین بردار پشتیبان و بیزین ساده بهبود بخشیده، همچنین استفاده از IPSO روی IBK نیز توانسته 5 / 5 درصد صحت و 29 / 5 درصد دقت را بهبود ببخشد.