تشخيص سرطان سينه با استفاده از يك رويكرد تركيبي مبتني بر نگاشت خودسازمان يافته و ماشين يادگيري حداكثر

شبكه هاي عصبي مصنوعي يكي از متداول ترين روش هاي طبقه بندي و تشخيص سرطان سينه مي باشد كه عليرغم دقت بالا در كار با حجم بالاي داده ها با مشكل مواجه شده و زمان محاسباتي نسبتا بالايي دارد. ماشين يادگيري حداكثر گسترشي بر شبكه هاي عصبي مصنوعي است كه سرعت اجراي بالايي دارد اما زماني كه داده ها داراي پراكندگي بالا مي باشند، عملكرد مناسبي ندارد. براي اين منظور ما يك رويكرد تركيبي مبتني بر خوشه بندي و طبقه بندي ارايه مي دهيم كه در اين مقاله از روش خوشه بندي نگاشت خود سازمان يافته به منظور ايجاد گروه هايي از داده ها با رفتار مشابه استفاده مي كنيم. به منظور طبقه بندي داده ها از ماشين يادگيري حداكثر استفاده مي شود. روش پيشنهادي به گونه اي طراحي شده است كه با خوشه بندي داده ها و استفاده از شبكه عصبي براي هر خوشه، ناهمگني داده هاي ورودي به شبكه عصبي كاهش مي يابد. رويكرد پيشنهادي بر روي مجموعه داده ويسكانسين اجرا و مورد ارزيابي قرار گرفته شده،كه نتايج نشان دهنده عملكرد بهتر روش پيشنهادي مي باشد. روش تركيبي پيشنهادي 1.2 درصد نسبت به روش شبكه عصبي مصنوعي به تنهايي به شكل به كاررفته در مقاله [1] بهبود داده شده است.