fa بهینه‌سازی درخت تصمیم‌گیری فازی با استفاده از الگوریتم ژنتیک به‌منظور تشخیص مزاج در طب سنتی ایران تخصصي Special اصيل پژوهشي Origianal Research <div dir="RTL" style="page-break-after: auto; text-align: justify;"><span style="font-size:14px;"><span style="font-family:Tahoma;"><strong>سابقه و هدف:</strong> <span style="font-weight: normal;">یکی از مباحث مهم و اساسی در طب ایرانی، دانش شناخت مزاج است و بسیاری از دستورات حفظ سلامتی، تشخیص و درمان بیماری‌ها بر مبنای مزاج تعیین‌شدۀ هر فرد با دیگران متفاوت است. کشف و شناخت شیوه‌های استاندارد تعیین مزاج از مهم‌ترین اولویت‌های پژوهشی در طب ایرانی است. در این پژوهش از درخت تصمیم فازی برای طبقه‌بندی داده‌ها و الگوریتم ژنتیک&nbsp;برای بهینه‌سازی ویژگی‌های لازم برای تشخیص مزاج استفاده می‌شود. </span></span></span><span style="font-size:14px;"><span dir="LTR" style="font-weight: normal;"><span style="font-size:12.0pt;"></span></span></span></div> <div dir="RTL" style="page-break-after: auto; text-align: justify;"><span style="font-size:14px;"><span style="font-family:Tahoma;"><strong>مواد و روش&rlm; ها:</strong><span style="font-weight: normal;"> در مطالعۀ حاضر از دو مجموعه داده با ۵۲ نمونه و ۲۲۱ نمونه استفاده می‌شود. برای هر دو مجموعۀ‌ داده، شناخت داده و مدل‌سازی تشخیص مزاج بر مبنای </span><span style="font-weight: normal;">درخت تصمیم‌گیری فازی با الگوریتم ژنتیک</span> <span style="font-weight: normal;">انجام می‌شود. برای این کار ابتدا زیرمجموعه‌ای از ویژگی‌ها با استفاده از الگوریتم ژنتیک انتخاب و سپس درخت تصمیم‌گیری فازی به‌منظور ساخت قوانین استفاده می‌شود.</span></span></span><span dir="LTR" style="font-weight:normal;"><span style="font-size:12.0pt;"></span></span></div> <div dir="RTL" style="page-break-after: auto; text-align: justify;"><span style="font-size:14px;"><span style="font-family:Tahoma;"><strong>یافته‌ها:</strong><span style="font-weight: normal;"> برای هر مجموعۀ داده دو درخت تصمیم‌گیری برای گرمی/سردی و تری/خشکی ساخته&nbsp;و قواعد تولید شده توسط پزشک متخصص طب ایرانی ارزیابی شد. نتایج نشان داد قوانین صحیح تولید شده در مجموعۀ داده دوم برای مزاج گرم/سرد برابر با ۴۴ درصد و مزاج تر/خشک برابر با ۳۳ درصد است. در مجموعۀ دادۀ اول قوانین صحیح تولید شده توسط درخت تصمیم فازی با الگوریتم ژنتیک برای مزاج تر/خشک برابر با ۹/۵ درصد است.</span></span></span><span style="font-family:B Lotus;"><span style="font-size:16.0pt;"></span></span></div> <div dir="RTL" style="page-break-after: auto; text-align: justify;"><span style="font-size:14px;"><span style="font-family:Tahoma;"><strong>نتیجه‌گیری:</strong><span style="font-weight: normal;"> مقایسۀ نتایج با پژوهش انجام‌شدۀ قبلی، نشان می‌دهد که استفاده از الگوریتم ژنتیک و انتخاب زیرمجموعه‌ای از ویژگی‌ها، حجم محاسباتی و اندازۀ درخت را کاهش می‌دهد و نتایج بهینه‌تری حاصل می‌شود و درصد خطاهای رخ داده هم کاهش می‌یابد. هر چند به‌نظر می‌رسد، در حال حاضر نتایج حاصل از این پژوهش کاربردی نیست ولی می‌تواند شروعی برای پژوهش‌های بعدی در زمینۀ بهینه‌سازی الگوریتم‌های هوشمند برای تشخیص مزاج باشد.</span></span></span><span dir="LTR" style="font-weight:normal;"><span style="font-size:12.0pt;"></span></span></div> <span style="font-family:Times New Roman;"><strong>Background and </strong><strong>Purpose</strong><strong>:</strong> One of the most important topics in Persian Medicine is the knowledge of temperament identification and many of the instructions for preserving health, diagnosis and treatment of diseases are different based on the individual&#39;s temperament. Discovering and recognizing standard methods of temperament determination, is one of the most important research priorities in Persian Medicine. In this research, fuzzy decision tree for data classification and Genetic Algorithm (GA) to optimize the features necessary for the diagnosis of temperament is used.<br> &nbsp;<br> <strong>Materials and Methods:</strong> In this study, two datasets with 52 and 221 samples were used. For datasets, data recognition and modeling Mizaj (Temperament) diagnosis based on fuzzy decision tree with GA was performed. To do this, first, a subset of features was selected using GA and then a fuzzy decision tree was used to make the rules.<br> &nbsp;<br> <strong>Results</strong>: For each dataset, two decision trees were generated for warmth/cold and wet/dry and the produced rules by the Persian Medicine specialist were evaluated. The results showed that the produced correct rules in the second dataset are 44% for warm/cold Mizaj and 33% for wet/dry Mizaj. In the first dataset, the generated correct rules by the fuzzy decision tree with the GA for wet/dry Mizaj was 9.5%.<br> &nbsp;<br> <strong>Conclusion</strong>: Comparison of the results with the previous research shows that the use of GA and subset selection of features, reduces the computational volume, size of the tree and error percentage so that better results can be achieved. Although, according to Persian Medicine experts&rsquo; opinion, the results of this research are not currently applicable, they can be a starting point for further researches in the optimization of intelligent swarm algorithms for the diagnosis of Mizaj.</span> مزاج, طب ایرانی, درخت تصمیم‌گیری, منطق فازی, بهینه‌سازی Mizaj, Temperament, Persian Medicine, Decision Tree, Fuzzy Logic, Optimization 61 80 http://jiitm.ir/browse.php?a_code=A-10-1-522&slc_lang=fa&sid=1 Raheleh Avansari راحله آوانسری 100319475328460016610 100319475328460016610 No Farhad Soleimanian Gharehchopogh فرهاد سلیمانیان قره‌چپق farhad@iaurmia.ac.ir 100319475328460016611 100319475328460016611 Yes Morteza Mojahedi مرتضی مجاهدی 100319475328460016612 100319475328460016612 No