ارزيابي عملكرد روش هاي استخراج ويژگي PCA و PLS در طبقه بندي تنك دادگان ريز آرايه

ريز آرايه ها در تشخيص و طبقه بندي انواع بافت هاي سرطاني نقش بسزايي دارند. مهم ترين چالش در طراحي طبقه بندي كننده هاي مناسب در اين حوزه را مي توان ابعاد بسيار بالاي اين داده ها در مقايسه با تعداد كم نمونه هاي آن دانست. از آنجا كه داده هاي با ابعاد بالا اغلب روي زيرفضاهايي با بعد كم تر گسترده شده اند، از روش هاي استخراج ويژگي به منظور كاهش ابعاد با هدف حفظ اطلاعات مفيد موجود در داده ها استفاده مي شود. طي دهه اخير، پردازش تنك سيگنال ها به عنوان ابزاري قدرتمند و جايگزيني كارا براي تبديل هاي كلاسيك، توجه زيادي را به خود جلب كرده است. استفاده از نمايش تنك سيگنال ها در مسائل طبقه بندي نيز نتايج موفقيت آميزي به همراه داشته است. در اين مقاله، عملكرد روش هاي استخراج ويژگي PCA و PLS به همراه طبقه بندي كننده هاي مبتني بر نمايش تنك در طبقه بندي دادگان ريز آرايه مورد ارزيابي قرار گرفته است. مقايسه ي نتايج شبيه سازي ها، حاكي از عملكرد بهتر تركيب روش استخراج ويژگي PCA و طبقه بندي كننده SRC در دادگان Tumors-14، با صحت تقريبي 78 درصد است.