این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Mathematical Chemistry، جلد ۴، شماره ۲، صفحات ۱۶۳-۱۷۵
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Feature selection and classification of microarray gene expression data of ovarian carcinoma patients using weighted voting support vector machine
چکیده انگلیسی مقاله We can reach by DNA microarray gene expression to such wealth of information with thousands of variables (genes). Analysis of this information can show genetic reasons of disease and tumor differences. In this study we try to reduce high-dimensional data by statistical method to select valuable genes with high impact as biomarkers and then classify ovarian tumor based on gene expression data of two patient groups. One group treated by standard therapies and survived, while another group didn’t be cure and die after some times. In the first step we used weighted voting algorithm (WVA) for selecting impressive genes to reduce dimension, therefore eliminate noisy data and make analysis easier and then partial least square – discriminante analysis (PLS-DA) and support vector machine (SVM) methods have been applied for classification of diminished data. Results show that classification by PLS-DA can distinguish two groups somewhat but SVM is more efficient and sufficient classification method.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله s معصوم |
university of kashan, i. r. iran
سازمان اصلی تایید شده: دانشگاه کاشان (Kashan university)

s قاهری |
university of kashan, i. r. iran
سازمان اصلی تایید شده: دانشگاه کاشان (Kashan university)

نشانی اینترنتی http://ijmc.kashanu.ac.ir/article_5290_429167f84c969ebf129c9a59185620b1.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات