تشخیص بیماری سرطان با استفاده از روی داده های ریزآرایه RotBoost طبقه بندی کننده ی ترکیبی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,320
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC15_127
تاریخ نمایه سازی: 26 مهر 1388
چکیده مقاله:
تکنولوژی ریزآرایه باعث تولید حجم انبوهی داده دسته بندی در بسیاری از زمینه ها شده است. تحلیل داده های ریزآرایه وکلاس بندی آنها، نشان میدهد این روش در تشخیص بیماریها و سرطان تأثیربسزایی دارد. با توجه به تحقیقات بسیاری که در مورد کلاسبندی دادههای ریزآرایه صورت گرفته است، اعمال روشهای معمول یادگیری ماشین دارای معایبی ذاتی برای رسیدن به یک کلاسبندی پایدار ودقیق است. بنابراین مطلوبتر است که از ترکیب دسته بندی کننده های خبره به جای تکیه بر نتیجه ی تنها یک دسته بندی کننده استفاده شود.در این مقاله، کلاسبندی سرطان، مبتنی بر داده های ریزآرایه با استفاده از یک دسته بندی کننده ی جدید پیشنهاد شده، با نام RotBoost بررسی شده است. این دسته بندی کننده از ترکیب تکنیکهای AdaBoost و Rotation Forest تولید میشود. با توجه به تحقیقات قبلی انجام شده در زمینهی ریزآرایه ها، این اولین باری است که RotBoost بر روی دسته بندی کننده ی داده های ریزآرایه اعمال گردیده است. این تحقیق بر روی 8 مجموعه داده ی ریزآرایه واقعی،پیاده سازی شده و از درخت تصمیم به عنوان دسته بندی کننده ی پایه در آن استفاده شده است. بررسی آزمایشها نشان میدهد که در اکثراین ریزآرایه ها، روش RotBoost از دقت بالاتری نسبت به تکنیکهایی نظیر AdaBoost و RotationForest برخوردار است.
کلیدواژه ها:
نویسندگان
فاطمه امین زاده
دانشگاه شهید چمران
علیرضا عصاره
دانشگاه شهید چمران اهواز
بیتا شادگار
دانشگاه شهید چمران اهواز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :