بهبود تشخیص بیماری پارکینسون با استفاده از الگوریتم AdaBoost

بیماری پارکینسون یکی از بیماریهای شایع در جهان بوده که اگر به موقع تشخیص داده نشود، باعث لرزش در تمام اندام های می شود. هدف از این مقاله پردازش داده های پزشکیِ بیماری پارکینسون بوده که توسط سایت تحقیقاتی UCI ارائه شده است. روشهای مختلفی برای پردازش داده ها وجود دارد. الگوریتم های طبقه بندی کننده، روشهای کلاسترینگ، قوانین وابستگی، و استخراج الگوهای متوالی برخی از آنها است. در این مقاله، کارایی طبقه بندی کننده های درخت تصمیم، بیزین ساده، ماشین بردار پشتیبان، و شبکه عصبی چند لایه در مورد این بیماری مورد بررسی قرار گرفته است. برای افزایشِ دقتِ طبقه بندی کننده ها از الگوریتم AdaBoost استفاده شده است. AdaBoost روشی برای تلفیقِ چند طبقه بندی کننده با یکدیگر است. مطالعات با استفاده از نرم افزارِ منبع باز RapidMiner انجام شده است. آزمایشات نشان داده است که دقتِ طبقه بندی کننده¬ی درخت تصمیم با تلفیق الگوریتم AdaBoost برای بیماری پارکینسون از سایر طبقه بندی کننده ها بیشتر است.

پارکینسون، درخت تصمیم، شبکه عصبی، بیزین ساده، ماشین بردار پشتیبان، AdaBoost.