Diabetes Mellitus is a chronic metabolic disorder, where the improper management of the blood glucose level in the diabetic patients will lead to the risk of heart attack, kidney disease and renal failure. Data Classification is a prime task in Data mining. Accurate and simple data classification task can help the clustering of large dataset appropriately. In this paper we have experimented and suggested an Artificial Neural Network (ANN) based classification model as one of the powerful method in intelligent field for classifying diabetic patients into two classes. For achieving better results, genetic algorithm (GA) is used for feature selection. The GA is used for optimally finding out the number of neurons in the single hidden layered model. Further, the model is trained with Back Propagation (BP) algorithm and GA (Genetic Algorithm) and classification accuracies are compared. The designed models are also compared with the Functional Link ANN (FLANN) and several classification systems like NN (nearest neighbor), kNN(k-nearest neighbor), BSS( nearest neighbor with backward sequential selection of feature, MFS1(multiple feature subset) , MFS2( multiple feature subset) for Data classification accuracies. It is revealed from the simulation that our suggested model is performing better compared to NN(nearest neighbor), kNN(k-nearest neighbor), BSS( nearest neighbor with backward sequential selection of feature, MFS1(multiple feature subset) , MFS2( multiple feature subset) and FLANN model and it can be a very good candidate for many real time domain applications as these are simple with good performances

مرض قند یک عارضه متابولیک مزمن است که در آن عدم تنظیم صحیح سطح گلوکز خون در بیماران دیابتی به خطر حمله قلبی، بیماری و از کار افتادگی کلیه­ ها منجر خواهد شد.  دسته بندی اطلاعات وظیفه نخست در داده کاوی است. وظیفه دسته­ بندی دقیق و ساده داده می­تواند به خوشه­ سازی مناسب حجم بالایی از اطلاعات منجر خواهد شد. در این مقاله ما مدلی بر اساس یک شبکه عصبی مصنوعی (ANN) برای دسته­ بندی تجربه و پیشنهاد کرده ­ایم. این روش یکی از قدرتمندترین روش­ های حوزه هوش برای دسته بندی بیماران دیابتی به دو دسته است. برای رسیدن به نتایج بهتر، الگوریتم ژنتیکی برای انتخاب آینده استفاده می­شود. GA الگوریتم ژنتیکی برای پیدا کردن بهینه ­ترین تعداد نورونها در مدل تک لایه پنهان استفاده شده است. افزون بر این مدل با الگوریتم نفوذ به عقب Back Propagation (BP) و الگوریتم ژنتیکی، هدف گیری شده و دقت های دسته بندی با روش اتصال عملکردی (فانکشنال لینک FLANN) و سیستم ­های دسته ­بندی گوناگون مانند NN یا نزدیکترین همسایه (نیرست نیبور)، k-NN، BSS ( نیرست نیبور با ویژگی انتخاب مکرر رو به عقب مشخصه­ ها ، MFS1 (مالتیپل فیچر سابست)، MFS2 در دقت دسته بندی داده­ ها مقایسه شده است.  شبیه سازی نشان میدهد که مدل پیشنهادی در مقایسه با NN، kNN، BSS، MFS1 و MFS2 و FLANN بهتر عمل می­کند و می­تواند گزینه مناسبی برای خیلی از کاربردهای واقعی باشد چون این روش ساده است و کارایی بالایی دارد.

دیابت یکی از مهلک ترین و ناتوان کننده ترین و پر هزینه ترین امراض مشاهده شده در جوامع در حال حاضر است و رشد آن به شکل هشدار دهنده ای در حال رشد است. زنان بیشتر قربانی دیابت هستند و 9.6 میلیون زن دیابت دارند. این 8.8 درصد از کل جمعیت زنان بالغ 18 سال به بالا را به خود اختصاص میدهد و در سال 2003 این نزدیک به دو برابر در مقایسه با سال 1995 (4.7 درصد) شد. زنان نژادهای اقلیت و گروه ­های قومی بالاترین شمار بیماران را دارند که نرخ رشدشان دو تا چهار برابر سفیدپوستان است. با رشد بیشتر جمعیت­ های اقلیت تعداد گروه زنان در این گروه­ ها شمار مبتلایان در سالهای جاری به شدت زیاد شده است. در سال 2050 تعداد مبتلایان به دیابت از 17 به 29 میلیون نفر افزایش خواهد یافت. دیابت بیماری متابولیکی است که در آن افراد از کمبود انسولین یا کاهش قابلیت استفاده از انسولین بدنشان رنج می­برند...