پیش بینی عوارض دیابت با استفاده از الگوریتم بهینه ساز گرگ خاکستری بهبود یافته و SVM

پیش بینی عوارض دیابت با استفاده از الگوریتم بهینه ساز گرگ خاکستری بهبود یافته و SVM

گلناز لؤلؤیی1

1) انشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران

کد IOI مقاله : XKGC-AZKCCF
محل انتشار : اولین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه(icnabs.ir/1st)
چکیده :
    عوارض دیابت یکی از علل اصلی مرگ و میر در سراسر جهان است که پیش بینی دقیق آنها را بسیار مهم می کند. پیچیدگی و شباهت علائم اغلب تشخیص را چالش برانگیز می کند. این مقاله یک الگوریتم بهینه‌سازی گرگ خاکستری (GWO) را پیشنهاد می‌کند که با یک فیلتر میانه تطبیقی ​​یکپارچه شده است تا پارامترهای ماشین‌های بردار پشتیبانی (SVM) را برای دقت پیش‌بینی بهبودیافته بهینه‌سازی کند. روش پیشنهادی به صورت پویا در حین بهینه سازی، نقاط پرت را فیلتر می کند، دقت را بهبود می بخشد و خطاها را کاهش می دهد. با ترکیب قابلیت جستجوی جهانی GWO با دقت فیلتر فیلتر میانه تطبیقی، این الگوریتم از بهینه محلی جلوگیری می کند و به عملکرد طبقه بندی برتر دست می یابد. نتایج تجربی نشان می‌دهد که رویکرد پیشنهادی از روش‌های مرسوم، از جمله درخت‌های تصمیم (DT)، طبقه‌بندی‌کننده‌های بیزی (BC)، و شبکه‌های عصبی (NN)، از نظر دقت و کاهش خطا، بهتر عمل می‌کند.

کلمات کلیدی : دیابت ماشین بردار پشتیبان بهینه سازی گرگ خاکستری فیلتر میانه تطبیقی طبقه بندی