افزایش کارایی دسته بندی با استفاده از الگوریتم جهش قورباغه جهت پیش بینی سرطان در داده های ریزآرایه نامتوازن
محل انتشار: کنفرانس بین المللی مهندسی و علوم کامپیوتر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 469
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCSE01_272
تاریخ نمایه سازی: 14 شهریور 1396
چکیده مقاله:
در این پژوهش، روشی نوین و کارا جهت پیش بینی احتمال بیماری سرطان از طریق تحلیل داده های ریزآرایه ارایه شده است.یکی از چالش های موجود در این زمینه، تعداد بالای ویژگی ها (ژن ها) و از طرفی تعداد پایین نمونه ها است. لذا، در این پژوهشابتدا از روشی کارآمد در زمینه ی انتخاب ژن، از ترکیب نتایج سه فیلتر در جهت کوچک کردن ابعاد مجموعه داده ها برای شناساییو حذف ژن های نامرتبط استفاده می شود. از دیگر مسایل و چالش های مهم در زمینه ی دسته بندی مجموعه داده های ریز آرایه،نامتوازن بودن این داده ها میباشد. به طور معمول، به اشتباه دسته بندی کردن یک نمونه از کلاس اقلیت یا کلاس بیمار، بسیارخطرناکتر از دسته بندی اشتباه یک نمونه کلاس اکثریت یا کلاس افراد سالم است. از روش دسته بندی حساس به هزینه با استفادهاز معیار ارزیابی G-MEAN استفاده شده است. در این پژوهش با استفاده از الگوریتم جهش قورباغه، ماتریس هزینه به دستخواهد آمد. همچنین از الگوریتم ترکیبی بگینگ با درخت تصمیم حساس به هزینه به عنوان دسته بند پایه، اقدام به دسته بندیداده های نامتوازن ریزآرایه خواهد شد. جهت جلوگیری از افت دقت دسته بندی، به جای استفاده از یک دسته بند پایه، با استفادهاز ایجاد تنوع بین چند دسته بند پایه دقت کلی افزایش خواهد یافت.
کلیدواژه ها:
بیوانفورماتیک ، ریزآرایه ، داده های نامتوازن ، شناسایی سرطان ، الگوریتم جهش قورباغه ، الگوریتم بگینگ ، فیلتر ، درخت تصمیم ، دسته بند حساس به هزینه
نویسندگان
حمیدرضا کاروان پور
کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز
سیدعنایت الله علوی
استادیار گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز
محمود نادران طحان
استادیار گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز