خوشه بندي و طبقه بندي داده هاي ميكروآرايه با استفاده از الگوريتم ICA-KHM و كدگذاري تنك

پيش زمينه: تكنولوژي ميكروآرايه اجازه مي دهد محققان به طور همزمان بيان هاي تعداد بسيار زياد هزاران ژن را اندازه گيري كنند. در طي اجراي مراحل تكنيك ميكروآرايه، ماتريس عددي بدست مي آيد كه سطرهاي آن ژنها و ستون ها نشان دهنده يك نمونه يا شرايط آزمايشگاهي مي باشد. دو مرحله مهم در آناليزهاي پيشرفته داده ها خوشه بندي و طبقه بندي است. در اين مقاله از تركيب الگوريتم رقابت استعماري ICA)) كه يك الگوريتم نوين براي بهينه سازي داده هاست، با الگوريتم KHM براي خوشه بندي داده هاي ميكروآرايه استفاده شده است. تركيب الگوريتم ICA با ساير الگوريتم هاي خوشه بندي باعث بهبود دقت الگوريتم هاي خوشه بندي و طبقه بندي مي شود. مهمترين هدف اين مقاله بررسي اجراي تكنيكهاي خوشه بندي و طبقه بندي موجود روي داده هاي ميكروآرايه بيان ژن سرطان پستان است. نتايج: روشهاي مورد بررسي شامل خوشه بندي و طبقه بندي داده هاي ميكروآرايه سرطان پستان مي باشد. الگوريتم ICA_KHM براي خوشه بندي و الگوريتم تركيبي كدگذاري تنك با ICAبراي طبقه بندي استفاده شده است. نتايج بدست آمده نشان مي دهد كه الگوريتم تركيبي ICA_KHM دقت بالاتري نسبت به ساير الگوريتم هاي خوشه بند دارد. و همچنين طبقه بندي اين داده ها با استفاده از كدگذاري تنك به همراه ICA دقت بالاتري دارد.