پیش بینی ابتلا به بیماریهای مزمن به کمک ماشین بردار پشتیبان دوقلو با قیود نرم

بیماری های مزمن از چالش های جدّی مربوط به سلامت انسان می باشند. تشخیص بهنگام آن ها می تواند برای داشتن سبک زندگی سالم مفید باشد. روش های یادگیری ماشین از جمله ماشین بردار پشتیبان برای پیش بینی این بیماری ها قابل استفاده هستند. در این بررسی به کمک یک روش ماشین بردار پشتیبان دوقلو با قیود نرم، سعی شده است تا به کمک اطّلاعات پزشکی بیماران، پیش بینی شود که آیا آن ها به بیماری های مزمن، مبتلاخواهند شد یا خیر. ماشین بردار پشتیبان عادی به دنبال یافتن دو ابرصفحة موازی با بیشترین فاصله است به طوری که داده های دو طبقه در دوطرف آن دو قرار گیرند. در ماشین بردار پشتیبان دوقلو، دو ابرصفحه لزوماً موازی نیستند. هریک از دو ابرصفحه نزدیکترین فاصله را به داده های کلاس خود داشته و از کلاس مقابل دارای یک فاصلة حداقلی می باشند. سرعت این روش بهتر است ولی نسبت به داده های نویزی عملکرد خوبی ندارد. در روش پیشنهادی با استفاده از بهینه سازی فازی، محدودیت های مساله به صورت روابط فازی در نظرگرفته می شوند؛ با این کار فضای شدنی مساله بهینه سازی درجه دوم گسترش یافته، به نمونه ها اجازة تخطی از ابر صفحات داده شده و تاثیر داده-های دورافتاده در تشخیص نهایی کاهش یافته است. الگوریتم پیشنهادی، برروی داده های بالینی پزشکی، اجرا ونتایج با روش های مشابه مقایسه شده اند روش پیشنهادی عملکرد بهتری داشته است.