انتخاب ویژگی داده های میکروآرایه به کمک الگوریتم بهینه سازی ازدحام ذرات باینری

داده های ریز آرایه در تشخیص و طبقه بندی انواع بافت های سرطانی نقش بسزایی دارند. در پژوهش های سرطان همیشه تعداد نسبتاً کم نمونه ها در ریز آرایه قبل از طبقه بندی از طریق تکنیک های انتخاب ژن پیش پردازش و زن های فاقد اطلاعات آنها دور ریخته می شود. اساساض یک روش انتخاب ژن مناسب می تواند به طور مؤثر، کارایی دسته بندی بیماری ها (سرطان) را بهبود بخشد. روش پیشنهادی در این مقاله، استفاده از الگوریتم بهینه سازی ازدحام ذرات باینری (BPSO)، برای انتخاب ویژگی و بیشینه کردن دقت تشخیص سیستم تصمیم گیری می باشد و در نهایت الگوریتم درخت تصمیم برای کلاس بندی و تشخیص سالم و یا سرطانی بودن بافت به کار می رود. برای نشان دادن کارایی، الگوریتم پیشنهادی بر روی دومجموعه داده سرطان سینه آزمایش می شود. نتایج پیاده سازی نشان می دهد کهالگوریتم پیشنهادی از صحت و اعتبار بالایی برخوردار است.

کلیدواژه ها:

الگوریتم بهینه سازی ازدحام ذرات باینری ، الگوریتم درخت تصمیم ، انتخاب ویزگی ، ریزآرایه