رضا مرادی ثانی - دانشجو مقطع ارشد رشته کامپیوتر دانشگاه غیرانتفاعی سبحان نیشابور.
مجید انجیدنی - استادیار دانشگاه پیام نور نیشابور.

هپاتیت به معنی التهاب در پارانشیم کبد و از جمله بیماری های مزمن کبدی بسیار رایج است. بیماری هپاتیت میتواند سیستم بدن را دچار مشکل حاد نماید. به هر میزان که بیماری زودتر تشخیص داده شود برای وضعیت عمومی بیمار بهتر است. در حال حاضر از وضعیت بیماران، بانکهای اطلاعاتی بسیاری موجود می باشد و پزشکان برای تشخیص بیماری با انبوهی از پارامترها در ارتباط هستند که میتواند تشخیص بیماری را دچار مشکل نماید. داده کاوی می تواند دیدگاه های جدیدی برای تشخیص بیماری با دسته بندی اطلاعات مطرح نمایید و نیز ابزاری بسیار قدرتمند در دست پزشکان باشد. در این پژوهش الگوریتمی پیشنهاد می شود که با ترکیب الگوریتم های SSA،MLP وSVMمی تواند دقت تشخیص بیماری هپاتیت را بالا ببرد. به این ترتیب که از الگوریتم SSA بمنظور انتخاب ویژگی و از ترکیب الگوریتم ماشین بردار پشتیبانSVMو شبکه عصبیMLPبرای طبقه بندی داده در این پژوهش بهره برده شده است. نتایج به دست آمده نشان می دهد که روش پیشنهادی دقت بالاتری نسبت به سایر روش ها دارد و با دقت ۱۰۰٪ بیماری هپاتیت را پیش بینی کرد

هپاتیت، الگوریتم SSA، داده کاوی، انتخاب ویژگی، ماشین بردار پشتیبان، MLP