بهره گیری از روش های تجمعی برای بهبود فرآیند انتخاب ویژگی به کمک الگوریتم ازدحام ذرات

این روزها، داده های بیان ژن ریزآرایه ها در طبقه بندی سرطان و سایر بیماری های زیستی، نقش اساسی را بازی می کند. ابعادبالای داده های ریز آرایه و کم بودن تعداد نمونه های استاندارد مورد بررسی، از چالش های اساسی و دشوار طبقه بندی داده هایریزآرایه می باشد هدف از مسیله ی انتخاب ژن کاهش ابعاد داده های ریزآرایه به منظور افزایش دقت و صحت کار طبقه بندی میباشد در این راستا، این تحقیق، به دنبال ارایه ی یک روش جدید برای انتخاب ژن های موثر در داده های ریزآرایه می باشد رویکردارایه شده ی این تحقیق با استفاده از ترکیب الگوریتم ازدحام ذرات و مکانیزم های سیستم استنتاج فازی، KNN و الگوریتم بگینگبه دنبال یافتن و استخراج مجموعه ی ژن های بهینه ی موجود خواهد بود عملکرد روش ارایه شده بر روی مجموعه داده هایریزآرایه موجود که برای انجام تحقیقات و مقایسه ی کارایی روش ها در دسترس عموم قرار دارند، مورد بررسی و مقایسه قرارگرفت نتایج مقایسه ی کارکرد سیستم پیشنهادی با سایر روش های ارایه شده، برتری قابل توجه این رویکرد را نشان داده است.

Keywords:

الگوریتم ازدحام , ذرات , k نزدیکترین همسایه , الگوریتم آموزشی بگین , سیستم استنتاج فازی