بررسی روش های اتنخاب و استخراج ویژگی از داده های بیان ژن

در هر نوع برنامه ریزی، برای بهبود کیفیت خدمات درمانی، داده ها و پردازش آنها اهمیت بسیاری دارد. با این وجود، جمع آوری، پردازش و ذخیره ی حجم زیادی از داده ها از جمله داده های بیان ژن، چالش برانگیز است؛ انتخاب و استخراج ویژگی، روش های رایج تشخیص و حذف ویژگی های کم اهمیت و دارای افزونگی در داده های حجیم است. انتخاب ویژگی فرآیندی است که در آن، یک زیرمجموعه از ویژگی های اولیه انتخاب میشود. کل فضای جستجو برای پیدا کردن مناسبترین زیرمجموعه، شامل همه زیرمجموعه های ممکن است. درنتیجه، مسیله انتخاب ویژگی، انتخاب بهترین زیرمجموعه از بین 2n حالت ممکن است. در این مقاله برخی از روش های مهم انتخاب و استخراج ویژگی بررسی می شود تا با بیان مزایا و معایب هر روش و با در نظر گرفتن ویژگی های سیستم طبقه بندی کننده، بتوان داده های حجیم از جمله داده های بیان ژن را مورد پیش پردازش قرار داده و از طبقه بندی آنهااطلاعات ارزنده ای را به نحو موثر تولید و ارایه نمود. بررسی ها نشان می دهد که در سیستم های طبقه بندی مبتنی بر بادگیری، مانند شبکه های عصبی مصنوعی و ماشین بردار پشتیبان، استفاده از روش های ترکیبی برای انتخاب ویژگی از داده های بیان ژن، باعث افزایش دقت در طبقه بندی می شود.