پيش بيني ابتلا به بيماريهاي مزمن به كمك ماشين بردار پشتيبان دوقلو با قيود نرم

بيماري هاي مزمن از چالش هاي جدّي مربوط به سلامت انسان مي باشند. تشخيص بهنگام آن ها مي تواند براي داشتن سبك زندگي سالم مفيد باشد. روش هاي يادگيري ماشين از جمله ماشين بردار پشتيبان براي پيش بيني اين بيماري ها قابل استفاده هستند. در اين بررسي به كمك يك روش ماشين بردار پشتيبان دوقلو با قيود نرم، سعي شده است تا به كمك اطّلاعات پزشكي بيماران، پيش بيني شود كه آيا آن ها به بيماري هاي مزمن، مبتلاخواهند شد يا خير. ماشين بردار پشتيبان عادي به دنبال يافتن دو ابرصفحة موازي با بيشترين فاصله است به طوري كه داده هاي دو طبقه در دوطرف آن دو قرار گيرند. در ماشين بردار پشتيبان دوقلو، دو ابرصفحه لزوماً موازي نيستند. هريك از دو ابرصفحه نزديكترين فاصله را به داده هاي كلاس خود داشته و از كلاس مقابل داراي يك فاصلة حداقلي مي باشند. سرعت اين روش بهتر است ولي نسبت به داده هاي نويزي عملكرد خوبي ندارد. در روش پيشنهادي با استفاده از بهينه سازي فازي، محدوديت هاي مسأله به صورت روابط فازي در نظرگرفته مي شوند؛ با اين كار فضاي شدني مسأله بهينه سازي درجه دوم گسترش يافته، به نمونه ها اجازة تخطي از ابر صفحات داده شده و تأثير داده-هاي دورافتاده در تشخيص نهايي كاهش يافته است. الگوريتم پيشنهادي، برروي داده هاي باليني پزشكي، اجرا ونتايج با روش هاي مشابه مقايسه شده اند روش پيشنهادي عملكرد بهتري داشته است.