رویا زارع فرخادی - هیئت علمی گروه نرم افزار موسسه آموزش عالی و غیرانتفاعی رشدیه تبریز
بابک راثی - دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی و غیرانتفاعی رشدیه تبریز

بیماری عروق کرونر از شایع ترین بیماری قلبی بوده و از علل اصلی مرگ و میر در زنان و مردان است. افزایش بی رویه این نوع بیماری و اثرات و عوارض ناشی از آن و هزینه بسیار زیادی که این بیماری بر خانواده بیماران و جامعه تحمیل می نماید سبب شد که پزشکان دنبال برنامه هایی جهت بررسی بیشتر و عمیق تر، پیشگیری، تشخیص به موقع و در مان آن باشند. افزایش میزان جمعیت و بیماری ها باعث شده حجم اطلاعات پایگاه داده های پزشکی نیز به شدت افزایش پیدا کند لذا مدل های توسعه یافته تکنیک داده کاوی می تواند برای جامعه پزشکی به منظور کمک و راهنمایی در تصمیم گیری ها موثر و کاربردی باشد. هدف اصلی این مقاله استفاده از روش ترکیبی جهت بهینه سازی کلاس بندی و تشخیص بیماری قلبی و عروقی است و تصمیم بر آن است که از الگوریتم فرااکتشافی گرداب جهت انتخاب ویژگی های مهم در بیماری قلبی استفاده شود که با استفاده از این الگوریتم در انتخاب ویژگی می توان جواب بهینه تری نسبت به الگوریتم ژنتیک و سایر الگوریتم های دیگر به دست آورد. همچنین از نزدیک ترین همسایه جهت کلاس بندی استفاده می شود؛ این الگوریتم روشی به منظور دسته بندی اشیاء بر طبق نزدیک ترین نمونه آموزشی در فضای ویژگی ها بوده و یک یادگیری تنبل می باشد، به طوری که تابع به صورت محلی تخمین زده می شود و تمام محاسبان تا زمان دسته بندی به تعویق می افتد. بنابراین استفاده از این دو روش به صورتی ترکیبی می تواند در بهبود نتیجه های تشخیص بیماری قلبی کمک شایانی نماید.

قلبی عروقی، داده کاوی، کلاس بندی خوشه بندی، انتخاب ویژگی، الگوریتم ژنتیک وگرداب