شناسایی و دسته بندی ژن های میکروآرایه ای مربوط به بیماری سرطان با استفاده ازروش های یادگیری ماشین

با توجه به تحقیقات بسیاری که در مورد کلاس بندی داده های ریزآرایه صورت گرفته است، اعمال روش های معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک کلاس بندی پایدار و دقیق است. بنابراین مطلوب تر است که از ترکیب دسته بندی کننده های خبره، به جای تکیه بر یک دسته بندی کننده ی منفرد استفاده شود. در این مقاله، از هیبریدی از روش های فیلتر و راپر استفاده شده، که در این روش پیشنهادی هیبریدی از correlation-based ، information gain Symmetrical uncertainty و Relief algorithm ، feature selection را بعنوان رویکرد فیلتر و هیبریدی از الگوریتم ژنتیک و بهینه سازی گروه ذرات را به عنوان رویکردهای راپر برای انتخاب ژن مورد بررسی قرار گرفته و از ماشین بردار پشتیبان به عنوان دسته بندی کننده ی پایه رویکرد راپر استفاده شده است. دسته بندی داده های ریزآرایه ای با استفاده از روش های موثر انتخاب ژن ها و دسته بندی کننده ی ترکیبیStacking انجام شده است. این مقاله بر روی چهار مجموعه داده ی ریزآرایه واقعی، پیاده سازی شده است. نتایج آزمایشات نشان می دهد با به کار بردن روش پیشنهادی، زیرمجموعه ژن های انتخاب شده صحت دسته بندی افزایش می یابد