انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ذرات مبتنی بر استراتژی خود تطبیقی دودویی جهت تشخیص بیماری
|
|
|
|
|
|
|
|
نویسنده
|
کرمی ملایی محمدرضا ,صالحی الهام ,عمرانپور حسام
|
|
منبع
|
كنفراس فناوري اطلاعات و دانش (ikt2021) - 1400 - دوره : 12 - کنفراس فناوری اطلاعات و دانش (IKT2021) - کد همایش: 00210-94457 - صفحه:0 -0
|
|
چکیده
|
در زمینه پژوهش ریز‌آرایه dna، افزایش حجم نمونه و ابعاد ویژگی داده های بیان ژن، همواره یک مشکل چالش برانگیز بوده است . این نوع از داده‌ها دارای ابعاد زیاد و مقیاس بزرگ هستند. درحالی که تعداد کمی از داده‌های موجود برای تشخیص انواع بیماری‌ها نیاز می‌باشد، اما فضای جستجو بسیار بزرگ می‌باشد. انتخاب ویژگی یک تکنیک پیش پردازش داده مهم برای کاهش ابعاد و افزونگی داده‌های بیان ژن در طول فرایند طبقه بندی است. در این مقاله یک مدل الگوریتم بهینه سازی ذرات دودویی جهت انتخاب ویژگی‌ها ارایه می‌شود. ابتدا جمعیت را به دسته‌های مختلفی بطور تصادفی تقسیم، سپس در هر نسل ذرات مختلف به طور خودتطبیقی ، نمونه‌های یادگیری آنها با توجه به عملکرد ذرات انتخاب می‌شوند، سپس با استفاده از استراتژی سازگار با جمعیت، ذرات نامطلوب به طور تطبیقی حذف و ذرات با شایستگی بیشتر در طول روند تکاملی اضافه می‌شود. در انتها پس از عملیات باینری، ویژگی‌های تاثیر‌گذار انتخاب می‌شوند. مدل پیشنهادی بر روی مجموعه داده پزشکی از مخزن دادگان uciپیاده سازی شده، و با روش‌های معتبر پیشین مورد ارزیابی و مقایسه قرار گرفته است.
|
|
کلیدواژه
|
انتخاب ویژگی، ازدحام ذرات، ریز ارایه، داده بیان ژن
|
|
آدرس
|
|
|
|
|
|
|
|
|
|
|