انتخاب ویژگی پایدار و دسته بندی براساس ساختار سلسله مراتبی مبتنی بر چند گونه سازی ازدحام ذرات آشوبی برای داده های ژنتیکی

محورهای موضوعی : مجله فناوری اطلاعات در طراحی مهندسی

مریم یاسی ¹ , محمدحسین معطر ² , مهدی یعقوبی ³

1 - 1دانشگاه آزاد اسلامی، واحد مشهد، باشگاه پژوهشگران جوان و نخبگان، مشهد، ایران
2 - دانشگاه آزاد اسلامی واحد مشهد، گروه نرم افزار، مشهد، ایران
3 - دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی، مشهد، ایران

تاریخ دریافت : 1396/03/29 تاریخ پذیرش : 1396/03/29 تاریخ انتشار : 1393/06/01

کلید واژه: particle swarm optimization, Feature Selection, Fuzzy system, نظریه آشوب, سرطان, انتخاب ویژگی, سیستم فازی, الگوریتم بهینه سازی ازدحام ذرات, تومور, chaotic theory, chaotic maps,

چکیده مقاله :

هرگونه افزایش و تکثیر غیرطبیعی سلولی را تومور گویند. سرطان زمانی اتفاق می افتد که رشد کنترل نشده ای بر روی سلولهایغیرطبیعی در یکی از اعضای بدن به وجود آید. تومورها به دو دستۀ خوش خیم و بدخیم تقسیم می شوند. با توجه به رشد روزافزونداده های پیرامون بشر، به کارگیری ابزارهایی برای تحلیل این نوع داده ها و دست یابی به دانش نهفته آنها کاری الزامی است . به ایندلیل که بشر دیدگاه ذاتی و بصری غیرقابل درکی درباره مسائل با ابعاد بالا و سایز بزرگ پایگاه داده ها دارد، از این رو استفاده ازروش های هوشمندانه تأثیر به سزایی در شناخت و درک بهتر بر روی داده های با ابعاد بالا م ی گذارد . در این مقاله ابتدا با ادغامروش های رتبه بندی، زیرمجموعه ای از ویژگیهای پایدار و متمایزکننده انتخاب می گردد و در گام بعدی ب ه کمک یک سیستمفازی به شناسایی و دسته بندی داده های بیولوژیکی از لحاظ خوش خ یم و بد خیم بودن آنها م ی پرداز یم.

چکیده انگلیسی:

Any abnormal reproduction of cells is a tumor. censer happens when there’s an unstrained growth of abnormal cells. Cancer and tumors are divided in to two types, malignant and benign. Given the growth in the environmental information, it’s essential to employ some tools to analyze this data and gain the knowledge embedded in it. Since large-scale problems and huge data bases are incomprehensible for the human, employing intelligent methods is effective in understanding large-scale data better. In this paper, the integration methods are a subset of rating measures each with a specific objective of sustainable features for superior selection of distinct features.The next step would discuss creating a fuzzy system (FS) to detect and classify between benign and malignant nature of biological data. Fuzzy system type is Takagi-Sugeno-Kang (TSK). To classify a hierarchical structure of multi-species particle swarm algorithm based on chaotic particle can be used to optimize the fuzzy system. In addition, using chaotic theory discerns the true diversity of the particles and increases the power to detect and classify the samples. Accurate identification and classification of malignant and benign biological nature of the data is more than 95%. This simulation is performed on UCI and Microarray data-base.