دیابت، شایعترین بیماری غدد در جهان است که سالانه باعث مرگ ۴میلیون نفر در جهان میشود. برای تشخیص دیابت بایدتمام ویژگیهایی که منجر به وقوع آن میشوند را شناخت و درصورتیکه این ویژگیها هرکدام از محدوده مقداری معین )درعلم پزشکی( تجاوز کنند مشخص میشود که فرد مبتلا به دیابت است. در این پژوهش با استفاده از ترکیب علوم دادهکاوی، سیستمخبره و فازی نوعدوم، ابزاری برای کمک به پزشک در تشخیص بیماری دیابت ارائه شده است. با یک دید کلی، دو مولفه اصلی در سیستم تشخیص دیابت بهبود داده شده است: مولفه اول، دقت، کارایی و قابلیت اعتماد بالا در تشخیص بیماری میباشد که بدین منظور از رویکرد فازی نوع دوم برای تنظیم و فازیسازی ورودیها استفاده شده است و مولفه دوم، کاهش حجم قواعد موجود در پایگاهدانش و قابلیت تفسیر ساده آن است که بدین منظور از کاوش قواعد انجمنی که یکی از تکنیکهای دادهکاوی میباشد استفاده شده است. بهطور دقیقتر، در روش پیشنهادی، بعضی از معایب سیستمهای ارائه شده قبلی بهبود داده شده که عبارتند از: بهبود تاثیرمنفی عدمقطعیت در مرزهای توابع عضویت فازی نوع اول، درنظرگرفتن دادههای ورودی نویزی و اغتشاشات، جایگزینکردن یک سیستمخبره هوشمند با تصمیمگیری واحد در تشخیص بیماری به جای سیستمهایی که توسط کارشناسان مختلف بهدلیل تفاوت در نژاد و وضعیت بدنی افراد مختلف ساکن در قارههای مختلف، نتایج متفاوتی را ارائه میدهند، بهبود دادن حجم پایگاهدانش با انتخاب قواعد موثرتر در تولید خروجی، افزایش سرعت سیستم با کاهش دادن زمان محاسباتی و نیز بهبود دادن محدوده نقاط پارتیشنبندی در محل برخورد که شامل 867 بیمار UCI مرزهای دو تابععضویت. برای تست عملکرد مطلوب روش پیشنهادی، از مجموعه داده بیماران دیابتی سایت است استفاده شده است و با دست یافتن به میزان دقت 8۴.77 درصد، اثبات کردیم که توانستهایم به اهداف خود برای بهبود دقت در سیستم تشخیص دیابت برسیم.