انتخاب ژن و دسته بندی سلولهای سرطانی درداده های ریزآرایه با استفاده ازالگوریتم بهبودیافته ماشین بردارپشتیبان υ-SVM و آنالیز انتخابی مولفه های مستقل Selective-ICA

اهمیت بیان ژن درتشخیص ودرمان بیماریهای سرطان دردهه های اخیر به موضوع مهمی برا یمحققان تبدیل شده است بااین وجود مشکل اصلی درتحلیل داده های ریزارایه بعدبالای آن ها می باشد که درنتیجه تعدادبسیار زیادمتغیرها ژن ها درمقابل تعداد کم نمونه ها ایجاد میشود دراین مقاله با استفاده ازالگوریتم انتخابی انالیز مولفه های مستقل Selective Independent Component Analysis به کاهش بعدداده های ریزآرایه می پردازیم استفاده ازاین الگوریتم مشکل ناپایداری بوجود آمده درصورت بکارگیری روشهای سنتی ICA را حل می کند درابتدا خطای بازسازی و مجموعه انتخاب شده به عنوان مولفه های مستقل هرژن را که سهم کمی درایجاد خطا به منظور بازسازی نمونه جدید دارند موردتحلیل قرار داده و سپس همزمان با آن برخی اززیرطبقه بندهای الگوریتم بهبود یافته ماشین بردار پشتیبان Sub-Classifier υ-Support Vector Machine مورد اموزش قرارمیگیرند ونهایتا بهترین زیرطبقه بند با بیشترین نرخ شناسایی انتخاب میشود نتایج پیاده سازی برروی سه نمونه از داده های سرطانی نشان میدهد که الگوریتم پیشنهادی ازدقت واعتبار بالایی درمقایسه با سایر روشهای موجود برخوردار بوده و قادر است یک مجموعه کوچک ازژنهای حاوی اطلاعات را به گونه ای انتخاب کند که دقت طبقه بندی افزایش پیدا کند.

کلیدواژه ها:

تحلیل مولفه های مستقل ، ریزآرایه ، DNA ، ماشین بردارپشتیبان ، انتخاب ژن ، طبقه بندی