چکیده:
دراین مطالعه تشخیص بیماری هپاتیت که یکی از بیمارهای شایع و مهم ساست، با استفاده از از روش یادگیری ماشینی انجام شده است. ما یک روش یادگیری ماشینی نوینی را که ترکیبی از ماشین بردار پشتیبان (SVM) و بازپخت شبیه‌سازی شده (SA) است را ارائه نمودیم. بازپخت شبیه‌سازی شده یک روش تصادفی است که امروزه به طور گسترده ای برای مسائل بهینه‌سازی دشوار، به کار می‌رود همچنین ماشین برداری پشتیبان در سالهای اخیر به عنوان یکی از متدهای پیش‌بینی که دارای مزیتهای منحصربه‌فرد زیادی است و نتایج موفقیت آمیزی نیز داشته است، شناخته می شود. مت مجموعه داده‌های مورد استفاده در مطالعه خود را از مجموعه داده های آموزشی ماشین UCI برداشتیم. اعتبار سنجی کلاس‌بندی با میزان دقت متقابل 10 –فول به دست آمد. دقت طبقه‌بندی به دست آمده 96.25 % بود که در مقایسه با سایر روشهای کلاس‌بندی در مقالات دیگر، بسیار امیدوار کننده می‌باشد.
مقدمه
هپاتیت وروسی یکی از مهمترین مشکلات سلامتی در جهان است. این بیماری یکی از شایع ترین بیماریهای عفونی است که هر ساله باعث مرگ و میر 1.5 میلیون نفر در سراسر جهان می شود. هپاتیت ویروسی باعث التهاب و آسی به سلولهای کبدی می‌شود و ابتلا به این بیماری حداقل توسط شش ویروس مختلف صورت می گیرد.
تشخیص بیماری هپاتیت با استفاده از روش ترکیبی جدید مبتنی بر ماشین پشتیبان برداری و بازپخت شبیه سازی شده (SVM-SA)
