عاطفه اسدی کاریزکی - کارشناس ارشد هوش مصنوعی، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد مشهد

تشخیص به موقع و درمان سریع در بسیاری از بیماری ها مانند سرطان می تواند باعث کاهش مرگ و میر ناشی از این بیماری ها شود. تکنولوژی ریزآرایه DNA تاثیر زیادی بر تشخیص سرطان و طبقه بندی آندارد. مجموعه داده های ریزآرایه شامل اطلاعات مربوط به هزاران ژن (ویژگی) است که از نمونه ها به دست آمده اند، در حقیقت این داده ها دارای ابعاد بسیار بالایی هستند. در عین حال تعداد بسیار زیادی از اینویژگی ها تکراری و یا نامرتبط هستند و این منجر به افزایش محاسبات و کاهش صحت طبقه بندی می شود. یکی از روش های مقابله با این مشکل، استفاده از روش های انتخاب ویژگی است که زیرمجموعه ای از ژن ها را انتخاب می کنند. این زیرمجموعه حاوی ژن های غیرتکراری است که دارای اطلاعات بسیار مفید و تفکیک کننده است. در این پژوهش، یک الگوریتم انتخاب ژن پیوندی مبتنی بر امتیاز لاپلاس و الگوریتم بهینه سازی نهنگ برای طبقه بندی مجموعه داده های ریزآرایه پیشنهاد شده است. این روش از امتیاز لاپلاس به عنوان انتخاب ویژگی فیلتر و از الگویتم بهینه سازی نهنگ در روش انتخاب ویژگی پوشش استفاده شده است. نتایج آزمایش ها حاکی از برتری الگوریتم پیشنهادی نسبت به الگوریتم های مورد مقایسه است، این الگوریتم به صحت ۹۸.۲ درصد دست یافته است.

ریزآرایه، طبقه بندی ، انتخاب ویژگی ، امتیاز لاپلاس، الگوریتم بهینه سازی نهنگ