بهزاد ربیعی قهفرخی - کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تحصیلات صنعتی و فناوری پیشرفته کرمان
بهزاد زمانی دهکردی - استادیار دانشگاه آزاد اسلامی واحد شهرکرد

داده های بیان ژن که ازمیکروارایه های DNA تشکیل شده اند بوسیله تعدادبسیارزیادی ازمتغیرها ژن ها توصیف میشوند و این درصورتی است که تعدادمشاهدات نمونه ها بسیارکمتر ازتعدادمتغیرهاست باتوجه به تعدادبسیارزیاد ژن ها که درمقایسه باتعدادنمونه ها بسیاربالاست و حتی به بیش از54000می رسدبسیاری ازروشهای کلاس بندی معمولی دچار مشکل شده و یا خروجی مناسبی تولید نمی کنند که به این پدیده معضل ابعاد می گویند بنابراین استفاده ازروشهایی جهت پیش پردازش ژن ها به منظور استخراج ویژگیهای مهم تر الزامی مینماید که میتوان به استفاده ازالگوریتم های کاهش ویژگی اشاره کرد الگوریتم های کاهش ویژگی میتوانندداده های بیان ژن را به زیرفضایی کوچکتر نگاشت کنند و این کاراغلب باحفظ رابطه ی ذاتی بین نقاط داده دردیتاست همراه است پس ازتبدیل داده باحجم بالا به داده های به حجم پایین الگوریتم های کلاس بندی معمول روی آنها اعمال میشود دراین مقاله ازچندین روش کاهش ویژگی برای بهبود دقت کلاس بندی استفاده کرده و سپس مقایسه ای بین اینروشها روی داده های میکروارایه خواهیم داشت

داده های میکروآرایه ، روشهای کاهش ویژگی ، الگوریتم های یادگیری ماشین ، دقت کلاس بندی