شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین
Publish place: International Conference on
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 946
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICESAL01_161
Index date: 14 October 2015
شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین abstract
با توجه به تحقیقات بسیاری که در مورد کلاس بندی داده های ریزآرایه صورت گرفته است، اعمال روش های معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک کلاس بندی پایدار و دقیق است. بنابراین مطلوب تر است که از ترکیب دسته بندی کننده های خبره، به جای تکیه بر یک دسته بندی کننده ی منفرد استفاده شود. در این مقاله، از هیبریدی از روش های فیلتر و راپر استفاده شده، که در این روش پیشنهادی هیبریدی از correlation-based ، information gain Symmetrical uncertainty و Relief algorithm ، feature selection را بعنوان رویکرد فیلتر و هیبریدی از الگوریتم ژنتیک و بهینه سازی گروه ذرات را به عنوان رویکردهای راپر برای انتخاب ژن مورد بررسی قرار گرفته و از ماشین بردار پشتیبان به عنوان دسته بندی کننده ی پایه رویکرد راپر استفاده شده است. دسته بندی داده های ریزآرایه ای با استفاده از روش های موثر انتخاب ژن ها و دسته بندی کننده ی ترکیبیStacking انجام شده است. این مقاله بر روی چهار مجموعه داده ی ریزآرایه واقعی، پیاده سازی شده است. نتایج آزمایشات نشان می دهد با به کار بردن روش پیشنهادی، زیرمجموعه ژن های انتخاب شده صحت دسته بندی افزایش می یابد
شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین Keywords:
شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین authors
آزاده آبکار
عضو هیئت علمی موسسه آموزش عالی کارون، اهواز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :