توضیحات
چکیده
تکنولوژي ریزآرایه باعث تولید حجم انبوهی داده دسته بندي در بسياری از زمینه ها شده است. تحلیل داده های ریزآرایه وکلاس بندي آنها، نشان می دهد این روش در تشخیص بيمار ها و سرطان تأثیر بسزایی دارد. با توجه به تحقییقات بسيار که در مورد کلاسبندي داده های ریزآرایه صورت گرفته است، اعمال روش های معمول یادگیری ماشین دارای معایب ذاتی براي رسیدن به یک کلاس بندي پایدار و دقیق است. بنابراین مطلوبتر است که از ترکيب دسته بندی کننده های خبره به جای تکيه بر نتيجه تنها یک دسته بندي کننده استفاده شود. در این مقاله، کلاس بندي سرطان، مبتنی بر داده های ریزآرایه با استفاده از یک دسته بندي کننده جدید پیشنهاد شده، با نام RotBoostبررسی شده است. این دسته بندي کننده از ترکیب تکنیک هاي Rotation Forestو AdaBoostتولید میشود. با توجه به تحقیقات قبلی انجام شده در زمینه ي ریزآرایه ها، اولين باری است که RotBoostبر روي دسته بندي کننده داده های ریزآرایه اعمال گردیده است. این تحقیق بر روي 8مجموعه داده ی ریزآرایه واقعی، پیاده سازي شده و از درخت تصمیم به عنوان دسته بندي کننده ی پایه در آن استفاده شده است. بررسی آزمایش ها نشان می دهد که در اکثر این ریزآرایه ها، روش RotBoostاز دقت بالاتري نسبت به تکنیک هایی نظیر RotationForestو AdaBoost برخوردار است .
ABSTRACT
Microarray technology has produced massive amounts of categorization data in many areas. Analyzing microarray data and classifying them, it shows that this method has a significant effect on patient diagnosis and cancer. Considering the many studies that have been done on the classification of microarray data, the application of common machine learning methods has inherent disadvantages for achieving a consistent and accurate classification. Therefore, it is preferable to use a combination of expert categorizers instead of relying on the result of only one categorization. In this paper, cancer classification is based on microarray data, using a new proposed categorization, called RotBoost. This categorization is made up of a combination of Rotation Forest and AdaBoost techniques. According to previous research on microarrays, RotBoost is the first time that micro-data has been categorized. This research has been implemented on 8 real-world micro-array data sets and uses decision tree as the base classifier. Testing shows that in most of these microstructures, the RotBoost method has a higher accuracy than techniques such as RotationForest and AdaBoost.
Year: 2010
Publisher : Eighteenth International Energy Conference of Iran
By : Fatemeh Aminzadeh Ghasr al-Dashti, Alireza Assarat, Bita Shadagar
File Information: persian Language/ 6 Page / size: 535 KB
سال :1389
ناشر : هجدهمین کنفرانس بین المللی برق ایران
کاری از : فاطمه امین زاده قصرالدشتی ،علیرضا عصاره ،بیتا شادگار
اطلاعات فایل : زبان فارسی / 6 صفحه / حجم : KB 535
نقد و بررسیها
هنوز بررسیای ثبت نشده است.