| تعداد نشریات | 418 |
| تعداد شمارهها | 10,013 |
| تعداد مقالات | 83,708 |
| تعداد مشاهده مقاله | 79,577,269 |
| تعداد دریافت فایل اصل مقاله | 56,275,418 |
خوشهبندی مبتنی بر ماشین بردار پشتیبان دوقلو به منظور انتخاب ویژگی در مساله دستهبندی دادههای ریزآرایه | ||
| مجله فناوری اطلاعات در طراحی مهندسی | ||
| مقاله 4، دوره 12، شماره 1، شهریور 1398، صفحه 30-39 اصل مقاله (809.81 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سید محمد حسین معطر* ؛ نفیسه سلیمانی | ||
| گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران | ||
| چکیده | ||
| طبقهبندی سرطان، به عنوان مسئلهای مهم در تشخیص و درمان سرطان به شمار میرود. یکی از موثرترین روشها در طبقهبندی سرطان، شناسایی ژنهایی مرتبط و تبعیضآمیز برای طبقهبندی نمونهها در آنالیز بیانی ژن میباشد. در روش پیشنهادی در این مقاله، با خوشهبندی ویژگیها و اعمال انتخاب ویژگی درون خوشهها، انتظار میرود که متمایز کنندهترین و مهمترین ویژگیها استخراج شوند. در روش پیشنهادی، به منظور کاهش ابعاد مجموعه داده، تکنیک انتخاب ویژگی مبتنی بر اهمیت ویژگیها به کار گرفته میشود، ویژگیهای رتبه بالا استخراج شده و جهت خوشهبندی به ماشین بردار پشتیبان دوقلو برای خوشهبندی ارائه میشوند. پس از خوشهبندی، با به کار گرفتن تکنیک انتخاب ویژگی مبتنی بر همبستگی، قابل اعتمادترین ویژگیها انتخاب شده و توسط طبقهبند پرسپترون چندلایه، طبقهبندی میشوند. جهت ارزیابی روش پیشنهادی، از چهار مجموعه دادهی SRBCT، Leukemia، DLBCL و Prostate استفاده شده است. نتایج آزمایشات بیانگر بهبود عملکرد دقت طبقهبندی میباشد. | ||
| کلیدواژهها | ||
| انتخاب ویژگی؛ خوشهبندی؛ ماشین بردار پشتیبان دوقلو جهت خوشهبندی؛ طبقهبندی؛ پرسپترون چندلایه | ||
|
آمار تعداد مشاهده مقاله: 267 تعداد دریافت فایل اصل مقاله: 122 |
||