ارائه روشی جدید براساس الگوریتم بهینهسازی کلونی مورچهها برای انتخاب ویژگیها در مجموعه دادههای بیوانفورماتیکی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,625

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_227

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

در بسیاری از مسائل بیوانفورماتیک یک مدل برای کلاس- بندی دادهها ساخته میشود. هدف از ساخت چنین مدلی دستهبندی نمونهها در کلاسهای مربوطه است. تعداد زیاد ویژگیها باعث کند شدن سیستم، پایین آمدن کارایی و بالا رفتن هزینه ساخت مدل می- شود. برای انتخاب ویژگیها در مجموعه دادههای بیوانفورماتیکی، روشهای زیادی ارائه شده است. در این مقاله روشی جدید بر اساس الگوریتم کلونی مورچهها(ACO) برای انتخاب ویژگیها ارائه شده است. بازدهی کلاسبند و تعداد ویژگیهای انتخاب شده، بهعنوان اطلاعات اکتشافی در اختیارACO قرار گرفتند. بنابراین در روش پیشنهادی، برای انتخاب ویژگیها نیاز به دانستن اطلاعات قبلی در مورد ویژگیها وجود ندارد. کارایی الگوریتم بر روی یک مجموعه داده بیوانفورماتیکی بنام Postsynapticآزمایش شده است. برای مقایسه کارایی از دو معیار دقت و اندازه بردار ویژگی انتخابی، استفاده شده است. نتایج پیادهسازی، نشاندهنده بازدهی بسیار بالای الگوریتم پیشنهادی در مجموعه داده- های مورد استفاده میباشد.

نویسندگان

محمداحسان بصیری

گروه کامپیوتر دانشگاه اصفهان

مهدی حسین زاده اقدم

گروه کامپیوتر دانشگاه اصفهان

شهلا نعمتی

دانشکده برق و کامپیوتر دانشگاه صنعتی اصفهان

بهروز ترک لادانی

گروه کامپیوتر دانشگاه اصفهان

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 :
  • Bonabeau, E., Dorigo, M., Theraulaz, G., Swarm Intelligence: From Natural ...
  • Witten, I. H., Frank, E., Data Mining: Practical Machine Learning ...
  • Jensen, R., *Combining rough and fuzzy sets for feature selection', ...
  • Dorigo, M., Maniezzo, V., Colorni, A., _ System: Optimization by ...
  • Maniezzo, V., Colorni, A., 00The Ant System Applied to the ...
  • Pappa, _ L., Baines, A. J., Freitas, A., *Predicting post- ...
  • Al-Ani, A., 00An Ant Colony Optimization Based Approach for Feature ...
  • Dorigo, M., Di Caro, G., 00Ant Colony Optimization: A New ...
  • Hulo, N., et al., _ improvements to the PROSITE database', ...
  • نمایش کامل مراجع