طبقه بندی زیتون با استفاده از الگوریتم های با و بدون ناظر

در دهه اخیر شاهد پیشرفت قابل ملاحظه ای در ژنتیک مولکولی و ا دده پردازی بیولوژیکی هستیم. ابزارها و روش های محاسباتی و الگوریتم های مختلفی برای تجزیه و تحلیل اطلاعات و به تصویر کشیدن یافته های بیولوژیکی انجام گرفته است. روش های تئوریکی، تحلیلی،مدلینگ ریاضی و شبیه سازی کامپیوتری برای مطالعه سیستم های بیولوژیکی، رفتاری و حتی اجتماعی ایجاد شده است. ا لگریتمها، مدلها و شیوه های مختلفی برای یافتن ارتباط میان افراد بوجود آمده و گشترش یافته است. یادگیری مدل های SMV و Bayse تکنیک های رایج یادگیری ماشینی می باشد که به دلیل سادگی و کارآمدی به شکل گسترده ای در مسائل مربوط به یادگیری ماشینی استفاده می شود. در این بررسی، برای اولین بار از شیوه های مختلف داه کاوی و یادگیری ماشینی برای تعیین طبقه بندی کننده ای که می تواند ارقام داخلی و خارجی زیتون را بر اساس داده های بدست آمده از مارکرهای مولکولی RAPD و ISSR تمایز نمایدف استفاده شده است. بهترین الل برای تشخیص ارقام داخلی از خارجی الل UBC841a4 و UBC868a7 می باشند. الل های فوق توانایی پیش بینی 95 درصدی ارقام زیتون را دارند.

کلیدواژه ها:

ماشین یادگیری ، داده پردازی ، خوشه بندی ، مارکر مولکولی