انتخاب ژن و دسته بندی سلول های سرطانی به کمک سیستم ترکیبی ماشین بردار پشتیبان (SVM) و الگوریتم ژنتیک ارتقاء یافته (IEGA)

تحلیل اطلاعات ریزآرایه ها، استفاده بهینه و پالودن اطلاعا ت آن در مقاله حاض ر، هدف اصلی است. برآنیم تا در شکلی کاملا متفاوت از الگوریتم ژنتیک در انتخاب و جستجوی ژ ن های ریزآر ایه و از SVM به عنوان الگوریتم یادگیرنده ثانوی تشخیص نمونه ها سود بریم . چون الگوریتم ژنتیک ظرفیت پذیرفتن تغییرات را جهت ارتقای عملکرد داراست، علاوه بر استفاده ی مذکور ، از SVM به عنوان تابع شایستگی توکار در الگوریتم ژنتیک نیز استفاده شده است . در نتیجه نحوه ی تولیدجمعیت اولیه کاملا دگرگون شده و از طریق استفاده توامان از دو روش کاملا ابداعی« انحصاری » و « انضمامی » به انجام رسیده است. الگوریتم ژنتیک ارتقا یافته IEGA نامیده شده است جهت ورود به الگوریتم پیشنهادی در ابتدا به مباحث مورد نیاز پرداخته شده و در انتها نیزنتایج چه از لحاظ روند اجرای الگوریتم و چه از نظر مقادیر پایانی درمقایسه با سایر الگوریتم هایی که هدف مشابهی را دنبال می کنند، آورده شده است.

کلیدواژه ها:

بیوانفورماتیک ، ریزآرایه ، الگوریتم ژنتیک ، SVM ، جستجو و انتخاب ژن