خیص و انتخاب الگوهای مهم موجود در بانک های اطلاعاتی یکی از مسائل مهم در علوم مبتنی بر سیستم های هوشمند مصنوعی، یادگیری ماشینی و داده کاوی می باشد. تشخیص به موقع بیماری دیابت آسیب های این بیماری را در جامعه کاهش می دهد. از مهم ترین مشکلات روش های تشخیص این بیماری در مراحل ابتدایی در نظر گرفتن ویژگی های مناسب به منظور تشخیص و در نتیجه ضعف در شناسایی بیماران است. مشکل دیگری که وجود دارد، تعیین صحیح دُز انسولین برای افرادی است که بیماری آن ها مسجل شده است. در این پایان نامه با بررسی مشکلات سیستمی مبتنی بر علوم هوشمند مصنوعی، یادگیری ماشینی و داده کادی به منظور تشخیص بیماری از یکطرف و پیش بینی و تعیین صحیح دُز انسولین برای بیماران از طرف دیگر، پیشنهاد، بررسی و اثبات شده است. سیستم پیشنهادی به 2 بخش عمده تقسیم می شود، بخش اول: تشخیص بیماری دیابت و بخش دوم: پیش بینی و تعیین صحیح دُز انسولین برای بیماران. در بخش اول از سیستم های فازی (fuzzy system) به منظور برآورد صحیح پیشرفت بیماری در بیماران، درخت تصمیم گیری (decision tree) به منظور تهیه قوانین در سیستم های فازی (فرآیند نگاشت فضای ویژگی (افراد) به خروجی (نتیجه ی تشخیص)) در مرحله تشخیص بیماری و همچنین در مرحله پیش بینی دُز انسولین از الگوریتم های کاوشی (binary particle swarm optimization) به منظور انتخاب بهترین ویژگی ها، الگوریتم های طبقه بندی (support vector machine) به منظور طبقه بندی ویژگی های موثر از غیر موثر و شبکه های مصنوعی عصبی برای پیش بینی نهایی داروی بیماران استفاده شده است. سیستم پیشنهادی بر اساس بهترین ویژگی ها در بانک داده تهیه شده در قالب ترکیب و تعامل موفق شد به 93.14% در بخش تشخیص و دقت 95.1% با کمترین خطا در بخش پیش بینی دست یابد، که البته در هنگام مقایسه با سایر روش های معمول به سرعت قابل توجه و عملکرد مناسب آن و البته دقت بالای آن پی می بریم.