Ekg sinyallerinin kaba küme teorisi yardımıyla sınıflandırma analizi ve yeni bir sınıflandırma algoritma önerisi (FWRSC)

Kalp krizi gibi kalp rahatsızlıkların tedavisinde erken tanı ve teşhis çok önemlidir. EKG sinyalleri, kalp ile ilgili çeşitli hastalıkların ve rahatsızlıkların teşhisinde ve erken tanı konmasında kullanılan en etkili yöntemlerden biridir. Sağlık alanında eksik ve tutarsız veri kümesi sıklıkta olduğundan EKG sinyallerinin doğru yorumlanması çok önemlidir. Kaba kümeler teorisi (KKT), bulanık kümeler gibi uzman sistemler için analiz ve bilgi çıkarımında kullanılan kural tabanlı bir yöntemdir. Kaba kümeler eksik, tutarsız ve belirsiz veri kümelerini düzenleyerek değerlendirme için uygun hale getirmektedir. Bu çalışmada ilk olarak KKT yardımı ile EKG sinyalleri sınıflandırılmıştır. Burada en az parametre kullanarak, doktorların daha hızlı ve erken teşhisine yardımcı olacak bir model oluşturulmuştur. Bu model ile EKG sinyalleri % 85'e yakın bir doğruluk ile sınıflandırılmıştır. İkinci olarak KKT kullanılarak puanlama sistemi ile oluşturulan ağırlık matrisi ve benzerlik tabanlı Nitelik Ağırlıklı Kaba Küme Sınıflandırma (Feature Weighted Rough Set Classification ) olarak adlandırılan yeni bir sınıflandırma metodu geliştirilmiştir. Bu metot 5 farklı veri kümesi için WEKA programındaki sınıflandırma metotları ile kıyaslanmıştır. Deney sonuçlarında FWRSC'nin WEKA programındaki birçok metottan daha yüksek performans gösterdiği görülmüştür. Ayrıca FWRSC, doğruluk ölçütü bakımından 5 veri kümesi için 67,47 genel ortalama ile en yüksek performansı göstermiştir