کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ذرات مبتنی بر استراتژی خود تطبیقی دودویی جهت تشخیص بیماری

نویسندگان :

الهام صالحی¹ محمدرضا کرمی ملایی² حسام عمرانپور³

1- دانشگاه صنعتی نوشیروانی بابل 2- دانشگاه صنعتی نوشیروانی بابل 3- دانشگاه صنعتی نوشیروانی بابل

کلمات کلیدی :

انتخاب ویژگی، ازدحام ذرات، ریز ارایه، داده بیان ژن

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.