طبقه‌بندي‌كننده دو مرحله‌اي مبتني بر نمايش تنك و كاربرد آن در تشخيص سرطان

Two Stages Sparse Representation-based Classifier and its Application for Cancer Classification

با توجه به نتايج موفقيت‌آميز طبقه‌بندي‌كننده مبتني بر نمايش تنك (SRC) و خوشه‌بندي زيرفضاي تنك (SSC) در كاربردهاي مختلف، در اين مقاله با تركيب اين دو روش، يك روش طبقه‌بندي سلسله مراتبي ارايه مي‌شود. ايده اصلي در روش‌هاي طبقه‌بندي و خوشه‌بندي مبتني بر نمايش تنك، نمايش هر داده به صورت تركيب خطي تنك از ساير داده‌ها است به گونه‌اي كه داده‌هاي مشابه با داده مورد نظر در اين تركيب خطي بيشترين وزن را به خود اختصاص دهند. در روش پيشنهادي، به منظور دست‌يابي به صحت طبقه‌بندي بيشتر، ابتدا داده‌هاي آموزشي با استفاده از روش خوشه‌بندي زيرفضاي تنك بخش‌بندي مي‌شوند. سپس با استفاده از شيوه بكار گرفته شده در طبقه‌بندي‌كننده مبتني بر نمايش تنك، طبقه‌بندي‌كننده‌اي دو مرحله‌اي طراحي مي‌شود. در مرحله اول، خوشه‌اي كه داده ورودي بيشترين شباهت را با آن دارد تعيين شده و در مرحله بعد طبقه مربوطه (برچسب داده) تعيين مي‌شود. براي ارزيابي روش پيشنهادي از دادگان ريزآرايه 14-Tumors - كه حاوي اطلاعات مربوط به 14 نوع سرطان مختلف است- استفاده شده است. از جمله ويژگي‌هاي اين دادگان تعداد زياد بعد در مقابل تعداد كم نمونه در هر دسته است كه عمل طبقه‌بندي آن‌ها را به مساله‌اي چالش‌برانگيز تبديل مي‌كند. ابعاد زياد داده‌ها نه تنها مشكلاتي از جمله نفرين ابعاد و بيش انطباق طبقه‌بندي‌كننده به داده‌هاي آموزشي را به دنبال دارد، بلكه باعث افزايش پيچيدگي محاسباتي شده؛ زمان لازم را براي اجراي الگوريتم‌ها افزايش مي‌دهد. آزمايش‌هاي انجام شده بر اين دادگان با استفاده از روش پيشنهادي نشان مي‌دهد كه در مقايسه با ساير روش‌هاي طبقه‌بندي، اين روش به نتايج بهتري منجر مي‌شود.

Successful outcomes of Sparse Representation-based Classifier (SRC) and Sparse Subspace Clustering (SSC) in many applications motivated us to combine these methods and propose a hierarchical classifier. The main idea behind the SRC and SSC algorithms is to represent a data using a sparse linear combination of elementary signals so that those elementary signals which are similar to the data contribute mainly in the representation. In this paper, the performance of a sparse representation based classifier is improved by pre-clustering of training samples using the SSC algorithm. A two-stage SRC is then designed using the resulting clusters. A test data is classified by first determining the most similar cluster. The data label is subsequently found using the second stage classifier. The performance of the proposed method is evaluated considering cancer classification problem using the 14-Tumors microarray dataset. Due to low number of data samples per each class and high dimensionality of the data, this is a challenging problem. Curse of dimensionality, overfitting of the classifier to the training data and computational complexity are the possible related problems. Our experimental results show that the proposed method outperforms some other state of the art classifiers.