سيستم طبقه بندي فازي بر اساس بهينه سازي كلوني مورچه براي تشخيص بيماري ديابت

Fuzzy classification system based on ant colony optimization for the diagnosis of diabetes

سيستم هاي خبره، برنامه هاي كاميپوتري هوشمندي هستند كه دانش و روش هاي استنباط و استنتاج را بكار ميگيرند تا مسايلي را حل كنند كه براي حل آنها به مهارت انساني نياز است. سيستم هايي طبقه بندي شده اند كه بطور گسترده اي در حوزه پزشكي به كشف داده هاي بيمار و استخراج يك مدل پيش بيني مورد استفاده قرار مي گيرند. اين مدل به پزشكان براي بهبود پيش بيني، تشخيص يا برنامه ريزي روش هاي درمان خود كمك مي كند. هدف از اين مقاله براي استفاده از كلني مورچه هاي مبتني بر سيستم طبقه بندي براي استخراج مجموعه اي از قوانين فازي براي تشخيص بيماري ديابت، به نام FCS- ANTMINER ميباشد. ما به توصيف يك روش جديد و كارآمد است كه ما را به نتايج قابل توجهي براي مشكل طبقه بندي بيماري ديابت است مي پردازيم.

Expert systems, intelligent computer programs that infer knowledge and methods they employ to solve the problems they need to solve their human skills. Systems sorted widely in the medical field to detect patient data and derive a predictive model can be used. This model allows doctors to improve the prediction, diagnosis or treatment planning help her. 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. We describe a new and efficient way for us to pay significant results for the classification problem is diabetes.