شرح مختصر محصول
این پایان نامه با موضوع "سیستم های فازی و الگوریتم بهینه سازی وال جهت تشخیص بیماری دیابت" می باشد. کلیه سورس و فایل های شبیه سازی پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پایان نامه 157 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است، به طوری که فهرست مطالب، اشکال و جداول به صورت خودکار قابل تغییر و آپدیت است.
امکانات اصلی این پایان نامه پس از خرید عبارتند از:
- امکان دانلود فایل Word,pdf پایان نامه
- امکان دانلود سورس شبیه سازی شده با متلب
- امکان دانلود فایل پاورپوینت پایان نامه جهت ارائه درسی
توجه 1: شبیه سازی متلب با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه 2: در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید پایان نامه فوق کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.
شرح کلی محصول
چکیده:
تشخیص بیماري دیابت و یا آگاهی یافتن از احتمال بالاي ابتلا به این بیماري همواره کار آسانی نخواهد بود. چرا که این بیماري علائم متعددي را بروز می‌دهد که بعضی از این علائم در سایر بیماری‌های دیگر نیز وجود دارند. بنابراین پزشک براي اتخاذ یک تصمیم مناسب، باید نتیجه‌ی آزمایش‌های بیمار و تصمیم‌هایی که در گذشته براي بیماران با وضیعت مشابه گرفته است، را بررسی کند.
در اين پایان نامه ابتدا در مورد بیماری دیابت از مراکز درمانی داده جمع آوری شده است که هر داده دارای تعدادی ویژگی است، به این منظور روشی ترکیبی برمبنای سیتم های فازی و الگوریتم های بهینه سازی جهت تشخیص بیماری دیابت به کار گرفته ایم، که ابتدا با استفاده از سیستم های فازی تعداد افراد دیابتی و غیر دیابتی پیش بینی شده است سپس برای آنکه میزان تشخیص خطا کمتر شود از الگوریتم های فرا ابتکاری استفاده شده است که باعث بهبود و تکامل بخشیدن سیستم های فازی میشود تا کمترین میزان خطا را بدست آورد. در نهایت دقت به کارگیری روش ترکیبی را نسبت به سیستم فازی و همچنین نسبت به برخی الگوریتم های ارائه شده قبلی، می سنجیم.
به کارگرفتن روش پیشنهادی در این پایان نامه، در داده های مربوط به بیماری دیابت، به تشخیص زودرس و به تعویق انداختن این بیماری شایع در جوامع امروزی کمک می نماید. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم براي مجموعه داده‌ی دیابت داراي کارایی بسیار بالایی می‌باشد.
بیان مساله:
بیماری دیابت رایج ترین بیماری غددی و چهارمین علت مرگ در کشورهای پیشرفته می باشد که به دلیل اختلال در متابولیسم گلوکز، بر سیستم های بدن تأثیرگذار می باشد. دیابت می تواند منجر به مشکلات حاد فیزیکی در افراد و تأثیر اقتصادی بزرگی بر سیستم بهداشت و درمان ملی گردد. رایج-ترین نوع دیابت، دیابت نوع 2 است که در آن، غده لوزالمعده انسولين توليد مي‌كند اما مقدار آن ناكافي است و يا بدن نسبت به آن مقاوم می باشد و توانايي استفاده از آن را ندارد .
هدف از روش های پیش گویی داده کاوی در پزشکی بالینی، ساخت مدل های پیش گویانه است که به پزشکان کمک نمایند تاروش های پیش گیری، تشخیص و برنامه های درمانی خود را بهبود بخشند.
تکنیک های داده كاوی، ابزارهای بسيار متداولی هستند كه امروزه درزمينه های مختلفی از جمله علم پزشکی كاربرد پيدا كرده اند. از ديدگاه داده كاوی، پيش بينی در تشخيص بيماری ها، جزء مسائل طبقه بندی داده ها محسوب مي شوند. تکنیک های طبقه بندی ازجمله روش های پرکاربرد در تجزیه وتحلیل داده ها هستند. استخراج الگوهای موجود در داده ها از طریق گروه بندی افراد و متغیرها، هدف اصلی طبقه بندی، عنوان شده است. تکنیک های طبقه بندي روش های با ناظر هستند . هر داده در طبقه بندی دارای يک برچسبي است که نشان از کلاس داده مذکور دارد و اين کلاس از قبل تعيين شده وثابت است. روش فازی، از جمله الگوریتم های طبقه بندی در داده کاوی می باشد.
الگوریتم توده ذرات دارای حافظه است و ذرات از گذشته اطلاعات خود، بهره می برند، همچنین سرعت همگرایی بالایی دارد و در برابر مشکل بهینه محلی، انعطاف پذیر است. به این دلایل در آموزش سیستم فازی و همچنین انتخاب ویژگی از الکوریتم توده ذرات استفاده شده است.
الگوریتم های بهینه سازی فرا ابتکاری در حال محبوب شدن بیشتر و بیشتر، در کاربردهای مهندسی هستند زیرا آن ها1- دارای مفاهیم نسبتا ساده پیاده سازی آسان هستند2- به اطلاعات گرادیان نیاز ندارد3- عدم گیر افتادن در بهینه محلی.
گروهی از روش های فرا ابتکاری الهام گرفته از طبیعت شامل تکنیک های تجمعی که شبیه به رفتار اجتماعی گروه حیوانات است. الگوریتم بهینه سازی ازدحام ذرات محبوب ترین آن هاست، در اصل توسط کندی و ابرهارت ]16[توسعه یافته است، که از رفتار اجتماعی هجوم آوردنده پرنده الهام گرفته است، که از تعدادی از ذرات (جواب نامزد) که در اطراف فضا جستجو برای پیدا کردن بهترین راه حل پرواز می کنند تشکیل شده است. به همین صورت، همه آن ها بهترین محل (بهترین جواب) در مسیر خود را ردیابی می کنند. یکی دیگر از الگوریتم های محبوب بر پایه تجمع الگوریتم کلونی مورچگان است که در واقع، هوش اجتماعی از مورچه ها در پیدا کردن نزدیک ترین مسیر از لانه و منبع مواد غذایی الهام بخش اصلی این الگوریتم است که یک ماتریس فرمون است در طول دوره از تکرار توسط راه حل های نامزد تکامل یافته است. در شکل1-1 انواع الگوریتم ها و اینکه دانشمندان در چه سالی و از چه الهام گرفتند آورده شده است. الگوریتم های مبتنی بر ازدحام مزایایی بیشتر از الگوریتم های مبتنی بر تکامل دارند برای مثال الگوریتم های تجمعی اطلاعات حالت قبلی خود را در تکرار بعدی هم حفظ می کنند حال آنکه الگوریتم های مبتنی برتکامل به محض تکامل جمعیت جدید اطلاعات قبلی را دور می ریزند. این الگوریتم ها معمولا شامل اپراتورهای کمتر در مقایسه با رویکرد تکاملی(انتخاب، متقاطع، جهش، نخبه گرایی، و غیره) هستند و از این رو برای اجرا آسان تر هستند.
در الگوریتم های بهینه سازی فرا ابتکاری مبتنی بر جمعیت روند جستجو به دو مرحله تقسیم می شود: جستجو و استخراج. بهینه ساز باید دارای اپراتورهایی برای جستجو فضای جستجو باشد در این فاز حرکت ها تا حد ممکن باید تصادفی باشند. مرحله استخراج از فاز جستجو پیروی کرده و شامل بررسی ناحیه های امید بخش از فضای جستجو است. پیدا کردن یک تعادل مناسب بین جستجو و استخراج، چالش موجود در توسعه هر الگوریتم فرا ابتکاری است(با توجه به ماهیت تصادفی از فرآیند بهینه سازی).
اهداف تحقيق
1. ارائه یک روش ترکیبی توسط الگوریتم فازی و وال برای بالا بردن دقت تشخیص بیماری دیابت.
له انتخاب ویژگی‌های مناسب و مفید، و حذف ویژگی های غیر مهم، به منظور کاهش ابعاد مسأله و پیچیدگی‌های محاسباتی، و افزایش دقت مسأله
3. بهبود کیفی طبقه بندی داده ها
4. افزایش دقت تشخیص بیماری دیابت
5. مقایسه روش پیشنهادی با برخی روش های ارائه شده قبلی در زمینه تشخیص بیماری دیابت
دستیابی به این اهداف باعث تشخیص درست و به موقع بیماری دیابت گردیده و درنتیجه درمان سریع تر صورت می گیرد و از عواقب پرخطر آن پیشگیری می شود.
هدف کاربردی:
به کارگرفتن روش پیشنهادی در این تحقیق، در داده های مربوط به بیماری دیابت، می تواند به تشخیص زودرس و به تعویق انداختن این بیماری شایع در جوامع امروزی کمک کند. و مراجع استفاده کننده از این تحقیق، پزشکان، بیمارستان ها و مراکز تشخیص و درمان بیماری دیابت می-باشند.
فهرست فارسی
فهرست جدول‌ها
فهرست شکل‌‌ها
فهرست نمودار‌‌ها
1-1- مقدمه
1-2- تعريف مساله
1-3- اهداف تحقيق
1-4- سؤالات تحقیق
1-5- فرضیات تحقیق
1-6- متغیرهای تحقیق
1-7- تعریف مفاهیم
1-8- نوآوری تحقیق
1-9- روش تحقيق
1-10- ساختار تحقيق
فصل 2- مروری بر ادبيات تحقيق
2-1- مقدمه
2-2- ساختار کلی فصل
2-3- پیشینه تحقیقات در زمینه تشخیص دیابت
2-4-پیشینه تحقیقات در زمینه سیستم های فازی
2-5-پیشینه تحقیقات در زمینه دیابت با استفاده از داده کاوی
2-6-پیشینه الگوریتم PSO
2-7-پیشینه الگوریتم ژنتیک
2-8-نتیجه گیری
فصل 3- روش اجرای تحقیق
3-1- مقدمه
3-2- دیابت
3-3- داده کاوی
3-4- دسته‌بندی
3-4-1- شبکه‌های عصبی مصنوعی
3-4-2- درخت‌های تصمیم
3-4-3- شبکه‌های بیزین
3-4-4- kنزدیک‌ترین همسایه
3-4-5- بردار پشتیبان
3-4-6- روش‌های مبتنی بر قانون
3-5- الگوریتم بهینه سازی ازدحام ذرات
3-5-1- پارامترهاي پايه بهينه‌سازي ازدحام ذرات
3-6- الگوریتم وال
3-7- الگوریتم ژنتیک
3-7-1- کروموزوم و ژن
3-7-2- واژگان الگوریتم ژنتیک
3-7-3- مراحل اجرای الگوریتم ژنتیک
3-7-4- همگرایی و توقف در الگوریتم ژنتیک
3-8- سیستم‌های فازی
3-8-1- ساختار یک سیستم دسته‌بندی مبتنی بر قوانین فازی
3-8-2- دسته‌بندی بدون استفاده از درجه قطعیت
3-8-3- دسته‌بندی با استفاده از درجه قطعیت
3-8-4- استنتاج فازی
3-9- روش اجرای تحقیق
3-10- وال پیشنهادی
3-11- نتیجه گیری
فصل 4- تجزيه و تحليل داده‌ها
4-1- مقدمه
4-2- مجموعه داده دیابت شهرستان بجنورد
4-3- معیار های ارزیابی مدل های پیش بینی
4-4- عملکرد سیستم فازی و سیستم فازی توسعه داده شده با الگوریتم های تکاملی
4-5- عملکرد سیستم ANFIS و سیستم ANFIS توسعه داده شده با الگوریتم های تکاملی
4-6- عملکرد سیستم FCM و سیستم FCM توسعه داده شده با الگوریتم های تکاملی
4-7- نتیجه گیری
فصل 5- نتيجه‌گيري و پيشنهادات
5-1- مقدمه
5-2- نتیجه گیری
