CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

اعتبار موردنیاز : ۱ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۲۱۹۴ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: پوستر
کد COI مقاله: ACCSI13_227
زبان مقاله: فارسی
حجم فایل: ۱۱۷.۲۳ کیلوبایت (فایل این مقاله در ۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

  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

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.

کلیدواژه‌ها:

الگوریتم کلونی مورچهها، انتخاب ویژگی، دادهکاوی، بیوانفورماتیک

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_227.html
کد COI مقاله: ACCSI13_227

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بصیری, محمداحسان؛ مهدی حسین زاده اقدم؛ شهلا نعمتی و بهروز ترک لادانی، ۱۳۸۶، ارائه روشی جدید براساس الگوریتم بهینهسازی کلونی مورچهها برای انتخاب ویژگیها در مجموعه دادههای بیوانفورماتیکی، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_227.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بصیری, محمداحسان؛ مهدی حسین زاده اقدم؛ شهلا نعمتی و بهروز ترک لادانی، ۱۳۸۶)
برای بار دوم به بعد: (بصیری؛ حسین زاده اقدم؛ نعمتی و ترک لادانی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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', ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۸۲۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.