Sınıflandırma,
verilerin analiz edilmesi için önemli bir veri madenciliği tekniği olup tıp,
genetik ve biyomedikal mühendisliği başta olmak üzere birçok alanda
kullanılmaktadır. Özelikle tıp alanında DNA mikroarray gen ekspresyon
verilerini sınıflandırmaya yönelik yapılan çalışmalarda artış görülmektedir.
Ancak, mikroarray gen ekspresyon (ifade) verilerinde bulunan gen sayılarının
çokluğu ve bu veriler arasında çoğunlukla doğrusal olmayan ilişkiler bulunması
gibi nedenlerden dolayı geleneksel sınıflandırma algoritmalarının başarımları
sınırlı kalabilmektedir. Bu sebeplerden dolayı son yıllarda sınıflandırma
probleminin çözümü için yapay zekâ tekniklerine dayalı sınıflandırma
yöntemlerine olan ilgi giderek artmaya başlamıştır. Bu çalışmada, karaciğer
mikroarray kanser veri setinin sınıflandırılması için Adaptif Ağ Tabanlı
Bulanık Mantık Çıkarım Sistemi (ANFIS) ve Genetik Algoritmaya (GA) dayalı
hibrid bir yaklaşım önerilmiştir. Simülasyon sonuçları, diğer bazı yöntemlere
ait sonuçlarla karşılaştırılmıştır. Elde edilen sonuçlardan, önerilen yöntemin
diğer yöntemlere göre daha başarılı olduğu görülmüştür.
Classification is an important data mining technique, which is used in many fields mostly exemplified as medicine,
genetics and biomedical engineering. The number of studies about classification of the datum on DNA microarray
gene expression is specifically increased in recent years. However, because of the reasons as the abundance of gene
numbers in the datum as microarray gene expressions and the nonlinear relations mostly across those datum, the
success of conventional classification algorithms can be limited. Because of these reasons, the interest on classification
methods which are based on artificial intelligence to solve the problem on classification has been gradually increased
in recent times. In this study, a hybrid approach which is based on Adaptive Neuro-Fuzzy Inference System (ANFIS)
and Genetic Algorithm (GA) are suggested in order to classify liver microarray cancer data set. Simulation results are
compared with the results of other methods. According to the results obtained, it is seen that the recommended method
is better than the other methods.
Subjects | Computer Software |
---|---|
Journal Section | Research Articles |
Authors | |
Publication Date | February 1, 2017 |
Submission Date | June 21, 2016 |
Acceptance Date | November 30, 2016 |
Published in Issue | Year 2017 |
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.