رویکردی نوین در بکارگیری روش دسته ماشین بردار پشتیبان تصادفی در تحلیل داده‌های بیان ژن سرطان پروستات

موسوی, نیلیا; گلعلی زاده, موسی

doi:10.61186/jss.17.2.4

[صفحه اصلی ]

[Archive] [ English ]

مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران

بخش‌های اصلی

اطلاعات نشریه

آرشیو مجله و مقالات

جستجو در پایگاه

دریافت اطلاعات پایگاه

Google Scholar Metrics

	All	Since 2020
Citations	48	17
h-index	3	2
i10-index	0	0

ثبت شده در

نماد اعتماد الکترونیکی

آمار نشریه

تعداد دوره های نشریه: ۱۹

تعداد شماره ها: ۳۸

تعداد مشاهده ی مقالات: ۳۴۵۲۶۵۶

تعداد دریافت (دانلود) مقالات: ۹۳۳۰۶۰

مقالات دریافت شده: ۸۶۴

مقالات پذیرفته شده: ۳۶۲

مقالات رد شده: ۴۹۱

مقالات منتشر شده: ۳۵۹

نرخ پذیرش: ۴۱,۹

نرخ رد: ۵۶,۸۳

میانگین دریافت تا پذیرش: ۴۰۱ روز

میانگین دریافت تا اولین داوری: ۵,۷ روز

میانگین پذیرش تا انتشار: ۵۱۰,۲ روز

____

جلد ۱۷، شماره ۲ - ( ۱۲-۱۴۰۲ )

جلد ۱۷ شماره ۲ صفحات ۰-۰

برگشت به فهرست نسخه ها

رویکردی نوین در بکارگیری روش دسته ماشین بردار پشتیبان تصادفی در تحلیل داده‌های بیان ژن سرطان پروستات

نیلیا موسوی^*

، موسی گلعلی زاده

چکیده: (۱۳۸۶ مشاهده)

پیشرفت سرطان در بین بیماران را می‌توان از طریق ایجاد مجموعه‌ای از نشانگرهای ژن با روش‌های تحلیل آماری داده‌ها بررسی کرد. اما یکی از مشکلات اساسی در مطالعه آماری این نوع داده‌ها وجود تعداد زیاد ژن‌ها در مقابل تعداد کم نمونه‌هاست. بنابراین، استفاده از روش‌های کاهش ابعاد برای حذف و یافتن تعداد بهینه‌ای از ژن‌ها برای پیش‌بینی صحیح رده‌های موردنظر، امری ضروری است. از طرفی، انتخاب یک روش کاهش ابعاد مناسب، می‌تواند به استخراج اطلاعات ارزشمند و افزایش کارایی یادگیری کمک کند. در این پژوهش از رویکرد یادگیری دسته‌ای به نام دسته ماشین بردار پشتیبان تصادفی برای یافتن مجموعه ویژگی بهینه، استفاده می‌شود. در تحلیل داده‌های واقعی مقاله حاضر، نشان داده می‌شود با تبدیل داده‌های بُعد بالا به زیرفضاهایی با بُعد پایین‌تر و ترکیب مدل‌های ماشین بردار پشتیبان، علاوه بر یافتن مجموعه‌ای از ژن‌‌های موثر در بروز سرطان پروستات، دقت رده‌بندی نیز افزایش می‌یابد.

واژه‌های کلیدی: یادگیری دسته‌ای، کاهش ابعاد، رده‌بندی، دسته ماشین بردار پشتیبان تصادفی، مجموعه ویژگی بهینه.

متن کامل [PDF 393 kb] (۸۲۳ دریافت)

نوع مطالعه: پژوهشی بنیادی | موضوع مقاله: آمار کاربردی
دریافت: 1401/10/11 | پذیرش: 1402/12/10 | انتشار: 1402/12/3

ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله

‎ 10.61186/jss.17.2.4

Mendeley

Zotero

RefWorks

Mosavi N, Golalizadeh M. A New Approach in Using Random Support Vector Machine Cluster in Analyzing Prostate Cancer Gene Expression Data. JSS 2024; 17 (2)
URL: http://jss.irstat.ir/article-1-830-fa.html

موسوی نیلیا، گلعلی زاده موسی. رویکردی نوین در بکارگیری روش دسته ماشین بردار پشتیبان تصادفی در تحلیل داده‌های بیان ژن سرطان پروستات. مجله علوم آماری. ۱۴۰۲; ۱۷ (۲)

URL: http://jss.irstat.ir/article-۱-۸۳۰-fa.html

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

جلد 17، شماره 2 - ( 12-1402 )

برگشت به فهرست نسخه ها

Persian site map - English site map - Created in 0.04 seconds with 45 queries by YEKTAWEB 4712