Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین

سال انتشار: 1394
کد COI مقاله: ICESAL01_161
زبان مقاله: فارسیمشاهده این مقاله: 573
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین

آزاده آبکار - عضو هیئت علمی موسسه آموزش عالی کارون، اهواز، ایران

چکیده مقاله:

با توجه به تحقیقات بسیاری که در مورد کلاس بندی داده های ریزآرایه صورت گرفته است، اعمال روش های معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک کلاس بندی پایدار و دقیق است. بنابراین مطلوب تر است که از ترکیب دسته بندی کننده های خبره، به جای تکیه بر یک دسته بندی کننده ی منفرد استفاده شود. در این مقاله، از هیبریدی از روش های فیلتر و راپر استفاده شده، که در این روش پیشنهادی هیبریدی از correlation-based ، information gain Symmetrical uncertainty و Relief algorithm ، feature selection را بعنوان رویکرد فیلتر و هیبریدی از الگوریتم ژنتیک و بهینه سازی گروه ذرات را به عنوان رویکردهای راپر برای انتخاب ژن مورد بررسی قرار گرفته و از ماشین بردار پشتیبان به عنوان دسته بندی کننده ی پایه رویکرد راپر استفاده شده است. دسته بندی داده های ریزآرایه ای با استفاده از روش های موثر انتخاب ژن ها و دسته بندی کننده ی ترکیبیStacking انجام شده است. این مقاله بر روی چهار مجموعه داده ی ریزآرایه واقعی، پیاده سازی شده است. نتایج آزمایشات نشان می دهد با به کار بردن روش پیشنهادی، زیرمجموعه ژن های انتخاب شده صحت دسته بندی افزایش می یابد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICESAL01_161 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/388582/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آبکار، آزاده،1394،شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین،کنفرانس بین المللی علوم مهندسی، هنر و حقوق،https://civilica.com/doc/388582

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، آبکار، آزاده؛ )
برای بار دوم به بعد: (1394، آبکار؛ )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 163
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط


مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی