خوشه بندی مبتنی بر ماشین بردار پشتیبان دوقلو به منظور انتخاب ویژگی در مساله دسته بندی داده های ریزآرایه
طبقه بندی سرطان، به عنوان مسئله ای مهم در تشخیص و درمان سرطان به شمار می رود. یکی از موثرترین روش ها در طبقه بندی سرطان، شناسایی ژن هایی مرتبط و تبعیض آمیز برای طبقه بندی نمونه ها در آنالیز بیانی ژن می باشد. در روش پیشنهادی در این مقاله، با خوشه بندی ویژگی ها و اعمال انتخاب ویژگی درون خوشه ها، انتظار می رود که متمایز کننده ترین و مهم ترین ویژگی ها استخراج شوند. در روش پیشنهادی، به منظور کاهش ابعاد مجموعه داده، تکنیک انتخاب ویژگی مبتنی بر اهمیت ویژگی ها به کار گرفته می شود، ویژگی های رتبه بالا استخراج شده و جهت خوشه بندی به ماشین بردار پشتیبان دوقلو برای خوشه بندی ارایه می شوند. پس از خوشه بندی، با به کار گرفتن تکنیک انتخاب ویژگی مبتنی بر همبستگی، قابل اعتمادترین ویژگی ها انتخاب شده و توسط طبقه بند پرسپترون چندلایه، طبقه بندی می شوند. جهت ارزیابی روش پیشنهادی، از چهار مجموعه داده ی SRBCT، Leukemia، DLBCL و Prostate استفاده شده است. نتایج آزمایشات بیانگر بهبود عملکرد دقت طبقه بندی می باشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.