طبقه بندی سرطان مبتنی بر بیان ژن از طریق انتخاب ویژگی با طبقه بندی KNN و SVM
محل انتشار: دومین کنفرانس ملی مهندسی برق و کامپیوتر
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 579
فایل این مقاله در 7 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:
ELCM02_181
تاریخ نمایه سازی: 21 اردیبهشت 1397
چکیده مقاله:
امروزه سرطان ها یکی از مهمترین عوامل مرگ ومیر انسان ها محسوب می شوند که فناوری ریز آرایه نقش مهمی در تشخیص، درمان و طبقه بندی انواع بافت های سرطانی دارد. وجود ژن های زیاد و تعداد اندک نمونه ها باعث ایجاد مشکلاتی در طراحی طبقه بندها شده است. بنابراین کاهش ابعاد و انتخاب تعداد کمی از ژن ها با دقت پیش بینی بالا برای طبقه بندی سرطان از چالش های مهم تحلیل داده های ریز آرایه است. در این مقاله مطالعه تاثیر روش های انتخاب ویژگی با استفاده از روش های فیلتر در دقت و خطای طبقه بندی نظارت شده سرطان را ارایه می کند. مقایسه بین روش های مختلف فیشر، T- آماری، SNR و ReliefF با استفاده ازمجموعه داده های مختلف سرطان شامل سرطان خون، پروستات و روده بزرگ ارزیابی شده است. نتایج طبقه بندی با استفاده از طبقه بندی K نزدیک ترین همسایه (KNN) و ماشین بردار پشتیبان (SVM) که ترکیبی بین روش های SNR و طبقه بندی SVM با بالاترین دقت را نشان می دهد.
کلیدواژه ها:
نویسندگان
سمیه بلوچ محمدرضاخانی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر- موسسه آموزش عالی بهمنیار کرمان-ایران
مسلم بحرینی نژاد
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر- موسسه آموزش عالی بهمنیار کرمان- ایران