آلة ناقلات الدّعم الموزونة النتروسوفيكية للكشف عن اضطراب طيف التّوحّد عند الأطفال

Abstract: Introduction: Many studies have been introduced in data analysis and machine learning algorithms, especially in the medical and healthcare field, such as Autism Spectrum Disorder  (ASD). Aim of Study: The study aimed to find an effective way to classify children with autism spectrum disorder based on the concept of Neutrosophic sets that fits the nature of real data, which may be incomplete or with noise. The proposed method calculates a set of values ​​of weights based on the concept of Neutrosophic membership using Neutrosophic clustering by kernel method, these weights are passed to the Neutrosophic Support Vector Machine to find the optimal hyperplane. Research Methods: The proposed method was evaluated using the UCI Machine Learning Repository data set containing 292 cases and 21 attributes, and it has noise and is incomplete by up to 15%. We compared the proposed method with the Fuzzy Neutrosophic Support Vector Machine (FNSVM) and Support Vector Machine (SVM) methods, conducted using a python programming language. Experimental results: confirm the outperform of the proposed method with an accuracy of 99.98%. In addition, the result of classification accuracy of this method applied to raw data was compared with other methods such as CNN, ANN, and Stochastic GSS by using the same data but after application of initial processing of missing values and selection of features. Discussion: The comparison results prove the superiority of our method, which is based on Neutrosophic theory.

Keywords: Neutrosophic Support Vector Machine, Kernel NC-Means clustering, Classification, Autism Spectrum Disorder.

المستخلص: ظهرت العديد من الدراسات التي تناولت تحليل البيانات وخوارزميات التعلم الآلي وخاصة في المجال الطبي والرعاية الصحية، ولا سيما اضطراب طيف التوحد. الهدف من الدراسة: تهدف إلى إيجاد طريقة فعالة لتصنيف أطفال اضطراب طيف التوحد بالاستناد إلى مفهوم المجموعات النتروسوفيكية وتلائم طبيعة المعطيات ضمن العالم الحقيقي، والتي قد تكون ناقصة أو مشوبة بالضجيج. تحسب الطريقة المقترحة مجموعة من قيم الأوزان استنادا” إلى مفهوم الانتماء النتروسوفيكي وذلك باستخدام العنقدة النتروسوفيكية بطريقة النواة، هذه الأوزان تمرر إلى آلة ناقلات الدعم ليتم إيجاد الحل الفاصل الأمثلي. مواد البحث وطرائقه: تم تقييم الطريقة المقترحة باستخدام مجموعة المعطيات من UCI Machine Learning Repository، وهي تحتوي على 292 حالة و21 خاصية، كما أن هذه المعطيات فيها ضجيج وناقصة بنسبة تصل إلى 15%. عملنا على مقارنة الطريقة المقترحة مع كل من طريقتي آلة ناقلات الدعم النتروسوفيكية الضبابية وآلة ناقلات الدعم، تم إجراء العمل باستخدام لغة البرمجة بايثون. النتائج التجريبية: تؤكد تفوق الطريقة المقترحة وبدقة 99.98%. بالإضافة إلى ذلك، تمت مقارنة نتيجة دقة التصنيف لهذه الطريقة والناتجة من تطبيقها على المعطيات الخام بدون تحضير مع طرق أخرى مثل CNN، ANN وStochastic GSS وذلك باستخدام نفس المعطيات ولكن بعد تطبيق المعالجة المبدئية للقيم الناقصة واختيار الميزات. المناقشة: ناتج المقارنة يثبت تفوق طريقتنا والتي تستند إلى النظرية النتروسوفيكية. 

الكلمات المفتاحية: آلة ناقلات الدعم النتروسوفيكية، عنقدة نتروسوفيكية مع نواة، تصنيف، اضطراب طيف التوحّد.