بهبود روش طبقه بندی ماشین بردار پشتیبان در سیستم های اطلاعات مکانی فراگستر جهت پایش بیماران آسمی

بیماری آسم یکی از مشکلات عمده در سلامت عمومی انسانها است که زندگی میلیونها نفر در سراسر جهان را تحت تاثیر قرار داده است. نظر به اینکه این بیماری تحت تاثیر عوامل محیطی متفاوتی می­باشد و روشی برای درمان قطعی مبتلایان وجود ندارد؛ شناسایی مناطق خطر تشدید آسم فرد بیمار و اعلام هشدارهای لازم در زمان مناسب گام موثری در مدیریت و پایش این بیماری به حساب می­آید. یکی از جدیدترین و کاربرپسندترین بسترهای محاسباتی در پایش زندگی روزانه افراد و به­ویژه بیماران، سیستم­های اطلاعات مکانی فراگستر می­باشند؛ زیرا این سیستمها خدمات خود را به کاربران به صورت زمینه­آگاه و با کاهش تعامل با کاربر ارائه می­دهند. شرایط و ویژگی­های این سیستم­های جدید، تطبیق و بهبود روشهای مدلسازی مورد استفاده در آنها را ضروری می­سازد. این تحقیق با بهبود روش ماشین بردار پشتیبان، به پیش­بینی وضعیت آسم بیماران در چارچوب بسترهای محاسباتی فراگستر می پردازد. روش پیشنهادی با قابلیت بهره­گیری از داده­های بدون برچسب و برچسب­دار در فضای زمینه، فرآیند پیش­بینی وضعیت بیماری آسم را بهبود می­بخشد. برای پیاده­سازی مدل پیشنهادی، داده­های موردنیاز شامل انواع آلاینده­ها، دما، رطوبت، فشار هوا، مکان افراد، فاصله از پارک­ها، خیابان­ها و اطلاعات شخصی در 270 موقعیت مختلف برای بیماران مبتلا به انواع آسم اخذ گردید. برچسب داده­های جمع­آوری شده، وضعیت بیماری آسم بود که توسط پیک فلومتر در برخی از موقعیت­ها ثبت شد. برای ارزیابی مدل پیشنهادی، نتایج پیش­بینی با نتایج الگوریتم اصلی ماشین بردار پشتیبان و الگوریتم کلونی مورچه­ها در حالات مختلف مقایسه گردید. به طور میانگین، نتایج حاکی از دقت 90 درصدی روش پیشنهادی و بهبود 12 درصدی نسبت به روشهای مذکور بوده است.