ارایه یک طبقه بند فازی بر اساس الگوریتم جهش قورباغه بهبود یافته و ژنتیک به منظور طبقه بندی داده های سرطانی

ساخت طبقه بندهای مبتنی بر قوانین فازی برای مجموعه داده های با ابعاد بالا مانند داده های ژنی، با مشکلات بسیار زیادی روبرو است. یکی از رهیافت های موثر برای حل این مشکل استفاده از روش های مبتنی بر انتخاب ویژگی و کاهش بعد داده ها است. از این رو در این مقاله، به کمک پنج روش مختلف انتخاب ویژگی، ابعاد داده ها کاهش یافته و بر اساس دقت طبقه بند SVM روی این داده های کاهش بعد یافته، یک بردار ویژگی پنج بعدی استخراج می شود. سپس با استفاده از الگوریتم جهش قورباغه بهبود یافته و الگوریتم ژنتیک، مجموعه ای از قوانین فازی با هدف کمینه کردن تعداد قوانین و بهینه نمودن پارامترهای آن استخراج می شود. الگوریتم پیشنهادی روی پنج مجموعه داده ی بیان ژنی تست شد. نتایج حاصل از آزمایشات نشان می دهد رهیافت پیشنهادی در مقایسه های موجود به دقت بالایی دست یافته است.

کلیدواژه ها:

داده های ژنی ، کاهش بعد ، طبقه بند فازی ، الگوریتم جهش قورباغه ، الگوریتم ژنتیک