محاسبات نرم، جلد ۶، شماره ۲، صفحات ۴۸-۵۹

عنوان فارسی ارائه الگوریتم ترکیبی پالایشی-پوششی انتخاب ویژگی‌ و کاربرد آن در کاهش بعد داده های بیان ژن
چکیده فارسی مقاله امروزه بالا رفتن حجم داده‌ها و تعداد ویژگی‌ها‌ در مجموعه داده،­ باعث کاهش دقت الگوریتم یادگیری و پیچیدگی محاسباتی شده است. . روش­های کاهش بعد، نوعی از روش انتخاب مشخصه‌ هستند که به دو صورت پالایشی و پوششی انجام می­شود. دقت روش‌های پوششی نسبت به روش‌های پالایشی بالاتر است اما در مقابل، روش‌های پالایشی­ سریع­تر عمل می­کنند و پیچیدگی­های محاسباتی کمتری دارند. با در نظر گرفتن مزایا و معایب الگوریتم­های پالایشی و پوششی، در این پژوهش یک روش ترکیبی جدید ارائه شده است. در این روش، ابتدا کل مشخصه‌های موجود در مجموعه داده­ در نظر گرفته می­شوند سپس با ترکیب الگوریتم­های پالایشی انتخاب مشخصه‌ و ارزش­گذاری نتایج آن­ به روش پوششی، زیرمجموعه­ای بهینه از مشخصه‌ها انتخاب می­شوند. با توجه به اینکه بسیاری از بیماری­ها و مسائل زیست سیستمی نظیر سرطان، به کمک بررسی داده­ی­ ریزآرایه قابل شناسایی و تشخیص هستند و با توجه به اینکه تعداد مشخصه­ها در این مجموعه داده­ها بسیار بالا است؛ روش­ ارائه شده در این پژوهش برروی داده­ی­ ریزآرایه مربوط به سه نوع سرطان مورد ارزیابی قرار گرفته­ است.این روش، در مقایسه با روش‌های مشابه، به دقت بالایی در دسته‌بندی و شناسایی عوامل مؤثر در سرطان به خصوص سرطان خون دست یافته است.
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی developing a filter-wrapper feature selection method and its application in dimension reduction of Gen expression
چکیده انگلیسی مقاله Nowadays, increasing the volume of data and the number of attributes in the dataset has reduced the accuracy of the learning algorithm and the computational complexity. A dimensionality reduction method is the feature selection method, which is done in two ways, filter and wrapper methods. The wrapper methods are more accurate than filter methods but perform faster and have less computational burden. In respect to the advantages and disadvantages of the filter and wrapper algorithms, a new hybrid approach is proposed in this study. In this method, first all the features in the dataset are considered, then the optimal subset of features is selected by combining the feature selection filter algorithms and evaluating their results by using wrapper method. Due to the many diseases and biosystem issues, such as cancer, can be identified and diagnosed by microarray data analysis and the number of features in this dataset is very high, the method proposed in this paper have been evaluated on microarray data related to three types cancer. The compared with similar methods, the results of this method arrives very accurate in the classifying and the identifying the affecting factors on the cancer.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله زهرا روزبهانی | zahra roozbahani
qom uni
دانشگاه قم

جلال رضایی نور |


منصوره یاری ایلی | m yari
qom uni
دانشگاه قم

راضیه قیاسی | razieh ghiasi
qom uni
دانشگاه قم


نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-10-262-2&slc_lang=fa&sid=1
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات