Генерация базы правил нечеткого классификатора для диагностики болезни Паркинсона по рукописным данным

Болезнь Паркинсона является нейродегенеративным неврологическим заболеванием, прогрессирование которого можно замедлить благодаря своевременной диагностике. В связи с чем актуальна разработка простых и доступных скрининговых методов, одним из которых является анализ рукописного письма и рисунка. В статье описывается такой метод, основанный на применении нечеткого классификатора. Предложен алгоритм формирования баз нечетких правил, в котором горная кластеризация применяется после настройки параметров на конкретных данных. Для поиска параметров выбран алгоритм оптимизации Пауэлла. В качестве целевой функции используется сбалансированная точность и отношение количества правил к числу обучающих образцов. Эффективность предложенного алгоритма сравнивается с классическим алгоритмом кластеризации k-средних и алгоритмом экстремальных значений признаков классов.