استفاده ترکیبی از الگوریتم های فراتکاملی و الگوریتم k نزدیکترین همسایهجهت شناسایی بیماری‌های عروقی قلب

بیماری عروق کرونر از شایع ترین بیماری قلبی بوده و از علل اصلی مرگ و میر در زنان و مردان است. افزایش بی رویه این نوع ﺑﯿﻤﺎری و اﺛﺮات و ﻋﻮارض ناشی از آن و ﻫﺰﯾﻨﻪ بسیار زیادی که این بیماری بر خانواده بیماران و ﺟﺎﻣﻌﻪ تحمیل می نماید سبب شد که پزشکان دﻧﺒﺎل ﺑﺮﻧﺎﻣﻪﻫﺎﯾﯽ ﺟﻬﺖ ﺑﺮرﺳﯽ ﺑﯿﺸﺘﺮ و عمیق تر، ﭘﯿﺸﮕﯿﺮی، تشخیص به موقع و درﻣﺎن آن باشند. افزایش میزان جمعیت و بیماری ها باعث شده حجم اطلاعات پایگاه داده های پزشکی نیز بشدت افزایش پیدا کند لذا ﻣﺪلﻫﺎی ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪ ﺗﮑﻨﯿﮏ دادهﮐﺎوی ﻣﯽﺗﻮاﻧﺪ ﺑﺮای جامعه پزشکی بمنظور ﮐﻤک و راهنمایی در ﺗﺼﻤﯿﻢﮔﯿﺮیها ﻣﻮﺛﺮ و ﮐﺎرﺑﺮدی ﺑﺎﺷﺪ. هدف اصلی این مقاله استفاده از روش ترکیبی جهت بهینه سازی کلاسبندی و تشخیص بیماری قلبی و عروقی است و تصمیم بر آن است که از الگوریتم فرااکتشافی گرداب جهت انتخاب ویژگیهای مهم در بیماری قلبی استفاده شود که با استفاده از این الگوریتم در انتخاب ویژگی میتوان جواب بهینهتری نسبت به الگوریتم ژنتیک و سایر الگوریتم‌های دیگر به دست آورد. همچنین از نزدیک ترین همسایه جهت کلاسبندی استفاده میشود؛ این الگوریتم روشی بمنظور دستهبندی اشیاء برطبق نزدیکترین نمونه آموزشی در فضای ویژگیها بوده و یک یادگیری تنبل می باشد، بطوریکه تابع به صورت محلی تخمین زده میشود و تمام محاسبات تا زمان دستهبندی به تعویق میافتد. بنابراین استفاده از این دو روش به صورتی ترکیبی می تواند در بهبود نتیجه های تشخیص بیماری قلبی کمک شایانی نماید.