ارائۀ الگوریتم ترکیبی پالایشی- پوششی انتخاب ویژگی و کاربرد آن در کاهش بعد داده‌ها‌ی بیان ژن

امروزه بالا رفتن حجم داده‌ها و تعداد ویژگی‌ها‌ در مجموعۀ 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 بیشتر 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 مجموعۀ 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 زیست‌سیستمی نظیر سرطان، به کمک بررسی دادۀ ریزآرایه قابل شناسایی و تشخیص هستند و با توجه به اینکه تعداد مشخصه‌ها در این مجموعه داده‌ها بسیار زیاد است، روش‌ ارائه‌شده در این پژوهش روی دادۀ ریزآرایۀ مربوط به سه نوع سرطان مورد ارزیابی قرار گرفته‌ است. این روش، در مقایسه با روش‌های مشابه، به دقت بیشتری در دسته‌بندی و شناسایی عوامل موثر در سرطان، به‌خصوص سرطان خون دست یافته است.