Abstract:
ﺳﯿﺴﺘﻢ ﻫﺎی ﺧﺒﺮه ، ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﮐﺎﻣﯿﭙﻮﺗﺮی ﻫﻮﺷﻤﻨﺪی ﻫﺴﺘﻨﺪ ﮐﻪ داﻧﺶ و روﺷﻬﺎی اﺳﺘﻨﺒﺎط و اﺳﺘﻨﺘﺎج را ﺑﮑﺎر ﻣﯽ ﮔﯿﺮﻧﺪ ﺗﺎ ﻣﺴﺎﺋﻠﯽ را ﺣﻞ ﮐﻨﻨﺪ ﮐﻪ ﺑﺮای ﺣﻞ آن ﻫﺎ ﺑﻪ ﻣﻬﺎرت اﻧﺴﺎﻧﯽ ﻧﯿﺎز اﺳﺖ . ﺳﯿﺴﺘﻢ ﻫﺎﯾﯽ ﻃﺒﻘﻪ ﺑﻨﺪی ﺷﺪه اﻧﺪ ﮐﻪ ﺑﻄﻮر ﮔﺴﺘﺮده ای در ﺣﻮزه ﭘﺰﺷﮑﯽ ﺑﻪ ﮐﺸﻒ داده ﻫﺎی ﺑﯿﻤﺎر و اﺳﺘﺨﺮاج ﯾﮏ ﻣﺪل ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﯽ ﮔﯿﺮﻧﺪ. اﯾﻦ ﻣﺪل ﺑﻪ ﭘﺰﺷﮑﺎن ﺑﺮای ﺑﻬﺒﻮد ﭘﯿﺶ ﺑﯿﻨﯽ، ﺗﺸﺨﯿﺺ ﯾﺎ ﺑﺮﻧﺎﻣﻪ رﯾﺰی روش ﻫﺎی درﻣﺎن ﺧﻮد ﮐﻤﮏ ﻣﯽ ﮐﻨﺪ. ﻫﺪف از اﯾﻦ ﻣﻘﺎﻟﻪ ﺑﺮای اﺳﺘﻔﺎده از ﮐﻠﻨﯽ ﻣﻮرﭼﻪ ﻫﺎی ﻣﺒﺘﻨﯽ ﺑﺮ ﺳﯿﺴﺘﻢ ﻃﺒﻘﻪ ﺑﻨﺪی ﺑﺮای اﺳﺘﺨﺮاج ﻣﺠﻤﻮﻋﻪ ای از ﻗﻮاﻧﯿﻦ ﻓﺎزی ﺑﺮای ﺗﺸﺨﯿﺺ ﺑﯿﻤﺎری دﯾﺎﺑﺖ، ﺑﻪ ﻧﺎم FCS-ANTMINER ﻣﯽﺑﺎﺷﺪ. ﻣﺎ ﺑﻪ ﺗﻮﺻﯿﻒ ﯾﮏ روش ﺟﺪﯾﺪ و ﮐﺎرآﻣﺪ اﺳﺖ ﮐﻪ ﻣﺎ را ﺑﻪ ﻧﺘﺎﯾﺞ ﻗﺎﺑﻞ ﺗﻮﺟﻬﯽ ﺑﺮای ﻣﺸﮑﻞ ﻃﺒﻘﻪ ﺑﻨﺪی ﺑﯿﻤﺎری دﯾﺎﺑﺖ اﺳﺖ ﻣﯿﭙﺮدازﯾﻢ.
Machine summary:
"سیستم طبقه بندی فازی بر اساس بهینه سازی کلونی مورچه برای تشخیص بیماری دیابت مسعود خاتونی دانشجوی کارشناسی ارشد رشته مدیریت فناوری گرایش کسب و کار چکیده سیستم های خبره ، برنامه های کامیپوتری هوشمندی هستند که دانش و روشهای استنباط و استنتاج را بکار میگیرند تا مسائلی را حل کنند که برای حل آن ها به مهارت انسانی نیاز است .
هدف از این مقاله برای استفاده از کلنی مورچه های مبتنی بر سیستم طبقه بندی برای استخراج مجموعه ای از قوانین فازی برای تشخیص بیماری دیابت ، به نام FCS- ANTMINER میباشد.
سیتم های خبره ، مورچه بهینه سازی کلنی، دیابت تشخیص بیماری، طبقه بندی فازی 108 ١- مقدمه بدن برای تولید انرژی، انسولین مورد نیاز را با استفاده از شکر، چربی و پروتئین در رژیم غذایی تامین میکند.
جدول ٢: تعداد نمونه هایی که بدرستی طبقه بندی / 117 ٥- نتیجه گیری FCS-ANTMINER الگوریتم طبقه بندی جدیدی است که از ترکیب بهینه سازی کلنی مورچه ومنطق فازی برای تشخیص بیماری دیابت بدست آمده است ؛ و آن را از روش های موجود که از بهینه سازی کلنی مورچه (ACO) برای طبقه بندی کارها استفاده میکنند متفاوت ساخته است .
119 Fuzzy classification system based on ant colony optimization for the diagnosis of diabetes Masoud Khatooni M.
The purpose of this paper is to use the ant colony based classification system for extracting a set of fuzzy rules for the detection of diabetes, called FCS- ANTMINER respectively.
Keywords: expert systems, ant colony optimization, diabetes diagnosis, fuzzy classification."