سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,395

This Paper With 6 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CSICC15_127

Index date: 18 October 2009

تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی abstract

تکنولوژی ریزآرایه باعث تولید حجم انبوهی داده دسته بندی در بسیاری از زمینه ها شده است. تحلیل داده های ریزآرایه وکلاس بندی آنها، نشان میدهد این روش در تشخیص بیماریها و سرطان تأثیربسزایی دارد. با توجه به تحقیقات بسیاری که در مورد کلاسبندی دادههای ریزآرایه صورت گرفته است، اعمال روشهای معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک کلاسبندی پایدار ودقیق است. بنابراین مطلوبتر است که از ترکیب دسته بندی کننده های خبره به جای تکیه بر نتیجه ی تنها یک دسته بندی کننده استفاده شود.در این مقاله، کلاسبندی سرطان، مبتنی بر داده های ریزآرایه با استفاده از یک دسته بندی کننده ی جدید پیشنهاد شده، با نام RotBoost بررسی شده است. این دسته بندی کننده از ترکیب تکنیکهای AdaBoost و Rotation Forest تولید میشود. با توجه به تحقیقات قبلی انجام شده در زمینهی ریزآرایه ها، این اولین باری است که RotBoost بر روی دسته بندی کننده ی داده های ریزآرایه اعمال گردیده است. این تحقیق بر روی 8 مجموعه داده ی ریزآرایه واقعی،پیاده سازی شده و از درخت تصمیم به عنوان دسته بندی کننده ی پایه در آن استفاده شده است. بررسی آزمایشها نشان میدهد که در اکثراین ریزآرایه ها، روش RotBoost از دقت بالاتری نسبت به تکنیکهایی نظیر AdaBoost و RotationForest برخوردار است.

تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی Keywords:

داده های ریزآرایه DNA , دسته بندی کننده ترکیبی , کلاس بندی سرطان

تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی authors

فاطمه امین زاده

دانشگاه شهید چمران

علیرضا عصاره

دانشگاه شهید چمران اهواز

بیتا شادگار

دانشگاه شهید چمران اهواز

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 :
S.-B. Cho, :Exploring features and classifiere to classify gene expression ...
C.A. Harrington and CRosenow and J. Retief, ...
"Monitoring gene expression using DNA microarrays" Curr. Opin. Microbiol, Vol ...
K.R. Coombes and W.E. Highsmith and et al., "Identifying and ...
X. Wang and M.J. Hessner and Y Wu and et ...
"Quantitative quality control in microarray experiments and the application in ...
M. Leblanc and R.Tibshirani, "Combining estimates in regression and classificationf ...
M. Skurichina and R.P.W. Duin, "Bagging, boosting and the random ...
L.I. Kuncheva and Combining Pattern Classifiers: Methods and Algorithms. Wiley, ...
M. Dettling and P. BCuhlmann, :Boosting for tumor classification with ...
selection and Geneء [9] D.U. Ramon and A.D.A. Sara, classification ...
nove] ensemble machine learning for robust A:ه [10] Y. Peng, ...
L. Breiman, "Bagging predictors", Mach. Learn. Vol. 24, pp. 123-140, ...
Y. Freund and R.E. Schapire, _ dec ision-theoretic generalization of ...
J.J. Rodriguez and L.I. Kuncheva and C.J. Alonso, ...
"Rotation forest: A new classifier ensemble method" IEEE Trans. Pattern ...
Y. Freund and R.E. Schapire, _ deci sion-theoretic generalization of ...
CX. Zhang and JS Zhang , " RotBoost: A technique ...
Recognition Letters - Elsevier, Vol. 29, pp. 1524-1536, 2008. ...
L. Yu and H. Liu, "Redundancy based feature selection for ...
Y. Freund and R.E. Schapire, "Experiments with a new boosting ...
Machine Lear. Morgan Kaufmann, Bari, Italy, pp. 148- 156, 1996. ...
E. Bauer and R. Kohavi, _ empirical comparison of voting ...
L. Breiman and J.Friedman and R. Olshen, Classification and Regression ...
T.G. Dietterich, ":Ensemble methods in machine learning, " Proc. of ...
L. Hansen and P Salamon, "Neural networks ensembles" IEEE Trans. ...
L. Breiman, "Arcing classifiers Ann. Statist. Vol. 26 No. 3, ...
K.H. Liu and D.S. Huang, :Cancer classification using Rotation Forest" ...
P. Jafari and F Azuaje, _ assessment of recently published ...
experimental design and statistical factors" BMC Medict Informatics and Decisio. ...
C. Ding and H. Peng. "Minimum redundancy feature selection from ...
H. Liu, and J. Li and L. Wong., "A comparative ...
J. Li and H. Liu, Kent Ridge Biomedical Data Set ...
U. M. Braga-Neto and E.R Dougherty, :Is cros s-validation valid ...
نمایش کامل مراجع

مقاله فارسی "تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی" توسط فاطمه امین زاده، دانشگاه شهید چمران؛ علیرضا عصاره، دانشگاه شهید چمران اهواز؛ بیتا شادگار، دانشگاه شهید چمران اهواز نوشته شده و در سال 1388 پس از تایید کمیته علمی پانزدهمین کنفرانس کامپیوتر سالانه انجمن کامپیوتر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله داده های ریزآرایه DNA، دسته بندی کننده ترکیبی، کلاس بندی سرطان هستند. این مقاله در تاریخ 26 مهر 1388 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1395 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که تکنولوژی ریزآرایه باعث تولید حجم انبوهی داده دسته بندی در بسیاری از زمینه ها شده است. تحلیل داده های ریزآرایه وکلاس بندی آنها، نشان میدهد این روش در تشخیص بیماریها و سرطان تأثیربسزایی دارد. با توجه به تحقیقات بسیاری که در مورد کلاسبندی دادههای ریزآرایه صورت گرفته است، اعمال روشهای معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک ... . این مقاله در دسته بندی موضوعی سرطان طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.