انتخاب ويژگي و طبقه‌بندي سلول‌هاي سرطاني بر پايه داده‌هاي ريزآرايه با استفاده از الگوريتم جستجوي فاخته چندهدفه

داده‌هاي ريزآرايه نقش مؤثري در طبقه‌بندي و تشخيص انواع بافت‌هاي سرطاني ايفا مي‌كنند. با اين حال در پژوهش‌هاي مرتبط با سرطان، تعداد نسبتاً كم نمونه‌ها در مقايسه با تعداد بسيار زياد ژن‌ها‏، باعث ايجاد مشكلاتي از قبيل كاهش كارايي طبقه‌بندها، افزايش هزينه‌هاي محاسباتي و پيچيدگي در طبقه‌بندي سلول‌هاي سرطاني خواهد شد. يك راهكار‏ مناسب جهت افزايش كارايي طبقه‌بندها، حذف ژن‌ها‏ي نامربوط و انتخاب نمونه‌هاي مناسب براي آموزش طبقه‌بندها است. در اين مقاله يك مدل تركيبي بر پايه الگوريتم بهينه‌سازي جستجوي فاخته چندهدفه و خوشه‌بندي فازي براي طبقه‌بندي داده‌هاي ريزآرايه پيشنهاد شده است. در اين مطالعه از نسخه دودويي الگوريتم جستجوي فاخته چندهدفه به منظور انتخاب ويژگي‌هاي مرتبط با بيماري و از نسخه پيوسته آن براي انتخاب تعداد نمونه‌هاي مناسب براي آموزش طبقه‌بندها استفاده شده است. به منظور تسريع در فرايند بهينه‌سازي و جلوگيري از گيرافتادن الگوريتم در بهينه‌هاي محلي، راهكار‏هاي ابتكاري جديدي نيز به الگوريتم اضافه شده‌اند. براي بررسي عملكرد مدل پيشنهادي، شبيه‌سازي‌هاي متعددي بر روي شش مجموعه داده سرطاني انجام گرفته و نتايج آن با ديگر مقالات مقايسه شده است. نتايج به دست آمده نشان مي‌دهند در بسياري از موارد مدل پيشنهادي قادر است در مقايسه با ساير روش‌ها، با انتخاب مجموعه كوچك‌تري از ژن‌ها‏ي متمايز، منجر به افزايش كارايي طبقه‌بندها شود.