این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
محاسبات نرم، جلد ۴، شماره ۱، صفحات ۷۴-۸۳
عنوان فارسی پیش بینی ژن‏ های بیماری با استفاده از دسته‏ بند تک‌کلاسی ماشین بردار پشتیبان
چکیده فارسی مقاله چکیده: در بحث شناسایی و دسته‏بندی ژن‏های بیماری، متخصصان تنها به دسته‏بندی یک کلاس خاص، یعنی ژن‏های بیماری علاقمند هستند و توجهی به کلاس‏های دیگر، یعنی ژن‏های غیربیماری ندارند. در مباحث یادگیری ماشین، این کاربرد تحت عنوان دسته‏بندی تک‌کلاسی مطرح می‌شود. روش‏های موجود مبتنی بر یادگیری معمولا ژن‏های شناخته شده بیماری را به عنوان مجموعه آموزشی مثبت، و ژن‏های ناشناخته را به عنوان مجموعه آموزشی منفی برای ایجاد یک دسته‏بند دودویی استفاده می‌کنند. از آنجاییکه در پایگاه داده‏های موجود در علم ژنتیک مجموعه ژن غیربیماری وجود ندارد، ما در این مقاله با استفاده از روش دسته‏بند تک‏کلاسی ماشین بردار پشتیبان و در نظر گرفتن تنها ژن‏های بیماری‏زا اقدام به شناسایی داده‏های بدون برچسب‏ می‏کنیم. روش پیشنهادی نسبت به روش‏های موجود از لحاظ معیار‏های دقت، بازخوانی و معیارF1 نتایج بهتری را ارایه می‌دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Candidate disease gene prediction using One-Class classification
چکیده انگلیسی مقاله Abstract: In disease gene identification and classification, users are only interested in classifying one specific class, disease genes, without considering other classes (non-disease genes). This situation is referred to as one-class classification. Existing machine learning-based methods typically use known disease gene as positive training set and unknown genes as negative training set to build a classifier. Since there are not any non-disease gene set, in this paper we apply OCSVM (one-class support vector machines) method for one-class classification of genes to identify disease genes. Our experimental results show the superiority of our proposed method in terms of better precision, recall, and F1-measures than existing methods.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله اکرم وثیقی ذاکر | akram vasighi zaker
tarbiat modares university, jalal ale ahmad highway, p.o.box 14115-111, tehran, iran
تهران، جلال آل احمد، پل نصر، دانشگاه تربیت مدرس ، صندوق پستی 111-14115
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

سعید جلیلی | saeed jalili
tarbiat modares university, jalal ale ahmad highway, p.o.box 14115-111, tehran, iran
تهران، جلال آل احمد، پل نصر، دانشگاه تربیت مدرس ، صندوق پستی 111-14115
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://scj.kashanu.ac.ir/browse.php?a_code=A-11-339-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1052/article-1052-206318.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات