ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

انتخاب ویژگی و کلاس بندی داده های میکرو آرایه به کمک الگوریتم ژنتیک و شبکه عصبی بیزین

سال انتشار: 1388
کد COI مقاله: ICBME16_136
زبان مقاله: فارسیمشاهد این مقاله: 4,193
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب ویژگی و کلاس بندی داده های میکرو آرایه به کمک الگوریتم ژنتیک و شبکه عصبی بیزین

سمانه خاکشور - آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد تشنه لب - آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی علیاری شوره دلی - آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده مقاله:

تکنولوژی ریزارایه ابزار قدرتمندی جهت آنالیز رفتار هزاران ژن به صورت همزمان بوده و نقش مهمی را در زمینه تشخیص و همچنین کشف و بررسی روشهای درمان آنها برعهده دارد روشهای آماری استاندارد که برای کلاس بندی و تشخیص استفاده می شوند، درحالتی که تعداد نمونه هاه از تعداد ژن ها بیشتر باشد، به خوبی عمل نمی کنند. تغییر در این روشها جهت آنالیز داده های سرطانی ضروری است. در سرطان روده سلولهای سرطانی در داخل بافت روده شروع به تکثیر کرده و به این ترتیب بربیانهای ژنی اثر می گذارند. روش پیشنهادی در این مقاله استفاده از الگوریتم ژنتیک جهت انتخاب ویژگی های مناسب و در نهایت استفاده از شبکه عصبی بیزین جهت کلاس بندی و تشخیص سالم و یا سرطانی بودن بافت می باشد. ابتدا تعداد زیادی زیرمجموعه از ژن ها که توانایی تشخیص کلاسهای متفاوت را دارا هستند با استفاده از الگوریتم ژنتیک بدست می آیند. سپس فرکانس مربوط به هریک از ژن ها مورد بررسی خواهد گرفت. ژن هایی که نسبت به بقیه پرتکرار تر هستند، جهت کلاس بندی نمونه ها برپایه شبکه عصبی بیزین استفاده خواهند شد. الگوریتم پیشنهادی برروی داده های سرطان روده آزمایش شده است.

کلیدواژه ها:

شبکه عصبی بیزین، الگوریتم ژنتیک، تکنولوژی ریزارایه و سرطان روده

کد مقاله/لینک ثابت به این مقاله

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/73482/

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:
خاکشور، سمانه و تشنه لب، محمد و علیاری شوره دلی، مهدی،1388،انتخاب ویژگی و کلاس بندی داده های میکرو آرایه به کمک الگوریتم ژنتیک و شبکه عصبی بیزین،شانزدهمین کنفرانس مهندسی پزشکی ایران،تهران،،،https://civilica.com/doc/73482

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: (1388، خاکشور، سمانه؛ محمد تشنه لب و مهدی علیاری شوره دلی)
برای بار دوم به بعد: (1388، خاکشور؛ تشنه لب و علیاری شوره دلی)
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 ممقالهقاله لینک شده اند :

  • I00, uo. 6, pp. 3351-3356, 2003. ...
  • Pedesea JT, Molt J. Genetic algoribms for proteiu struciure prediction. ...
  • N.Sabar, M.Ayob, _ Roulette Whel Gapl iaetabliag ...
  • Dida R. O. aad Hat P E. (1973). _ Classification ...
  • McLacbla G. J. aud Basford K. B. (1988). Mixture Model: ...
  • _ A.Dempster, N.Laird, _ aad D.Rubia, _ _ J.Rmy.Statist. Soe. ...
  • . S.Riclbards and P.Gree ;"Bayesiaa Approcbes to Gaussia Mixture Modeling, ...
  • . G.Mclacblaa and D. Peel, Fin _ tureModels, New York: ...
  • K.Joug, E.Marcbiori, M.Sebagy, A.Vaart, _ _ _ Proteomic _ Dato ...
  • 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: دانشگاه دولتی
    تعداد مقالات: 10,191
    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 مرتبط جدید

    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