انتخاب ویژگی پایدار و مقاوم برای دسته بندی دادههای ژنتیکی به وسیله ادغام روش های رتبه بندی و روش پیچشی

بالا بودن ابعاد یک مجموعه داده باعث افزایش فضای جستجو و کاهش قدرت تعمیمپذیری و پیچیدگی محاسباتی میشود. ازجمله مجموعه دادههایی که دارای ابعاد بالا هستند میتوان به مجموعه دادههای ریز آرایه اشاره کرد. ریز آرایهها محتوی دادهها یژنتیکی و بیولوژیکی هستند. این دادهها در تشخیص مجموعهای از سرطانها و تمور های گوناگون مورد استفاده قرار میگیرند.از این رو فرآیند کاهش ابعاد بر رویدادههای ژنتیکی در عملکرد پیشبینی نوع بیماری، درمان و دارو از اهمیت به سزایی برخوردار است.برای شناسایی ژنهای متمایز و برتر برای دستهبندی دادهها نیازمند فرآیند انتخاب ویژگی هستیم .هدف اصلی این مقاله ارائه روشیبرای کاهش ابعاد و دستهبندی مجموعه دادههای ژنتیکی است. در مرحله اول ادغام چندین روش رتبهبندی برای بالا بردن مقاومت و پایداری فرآیند انتخاب ویژگی صورت میپذیرد. در قسمت بعدی،ترکیب روشهای رتبهبندی با روش پیچشی به منظور بیانارتباطات، کنش و واکنش میان ژنها است. در ادامه فرآیند دستهبندی مبتنی بر ماشین بردار پشتیبان مورد استفاده قرار گرفته است قبل از ارائه دادهها به دستهبندی کنندهSVMمشکل گروههای نامتوازن در مرحله آموزش بر طرف میگردد متوسط نتایج روش پیشنهادی بر روی 5 پایگاه داده ریز آرایه به این صورت است، که معیار مقاومت در فرآیند انتخاب ویژگی در بازه [ 0.88،0.7 و معیار دقت دستهبندی در بازه 91%و96% به ازای تغییر تعداد ویژگیهای منتخب ، تغییر میکنند.محدود بودن بازه تغییرات معیارها نشاندهنده پایداری روش پیشنهادی است

کلیدواژه ها:

مجموعه دادههای ریز آرایه ، انتخاب ویژگی ، ماشین بردار پشتیبان ، تعادل گروهها