Kural tabanlı aritmi sınıflandırmasında EKG öznitelik seçimine GA-YSA yaklaşımı

Bu çalışma, EKG sinyallerindeki anormalliklerin tespiti için kural çıkarım ve öznitelik seçim sistemi sunar.Kardiyak aritminin varlığı ve yokluğu arasındaki ayrımın yapılması ve öznitelik seçimi için Genetik Algoritması-Yapay Sinir Ağı (GA-YSA) Yaklaşımı kullanılmıştır. Bu süreci takiben, aritmi teşhisine rehberlik etmesi amacıyla kural seti çıkarılmıştır. Bu kural setleri, seçilmiş özniteliklere dayanılarak çıkarılmaktadır; çünkü öznitelik seçimi olmadan yapılan kural çıkarımı insanın anlayabileğinden daha karmaşık sonuçlar üretebilmektedir. Kural çıkarımında, C4.5, RIPPER, PART ve HotSpot metotları uygulanmıştır. Bu çalışmada kullanılan EKG veri kümesi, UCI Aritmi Veritabanı'ndan elde edilmektedir. Bu veri kümesindeki tüm anomaliler, tek bir anormal sınıf altında toplanırken geriye kalanlar normal sınıfı oluşturacak şekilde düzenlenmiştir. Karşılaştırma amacıyla k en yakın komşu (k-NN), Destek Vektör Makineleri (SVM), Naive Bayes ve Bayes Ağları, EKG veri kümesine uygulanmıştır. Boyut indirgemek amacıyla ise, özyineli nitelik çıkarımı (RFE-SVM), korelasyon tabanlı nitelik seçimi (CFS), temel bileşen analizi (PCA) ve faktör analizi (FA) yöntemleri kullanılmıştır. Deney sonuçlarına göre, GA-YSA yöntemi, diğerlerinden daha iyi sonuç vermiştir.