کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947930 1439599 2017 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A cost-sensitive rotation forest algorithm for gene expression data classification
ترجمه فارسی عنوان
الگوریتم جنگل چرخشی برای ارزیابی طبقه بندی داده های ژن حساس به هزینه
کلمات کلیدی
داده های بیان ژن، جنگل چرخش حساس به هزینه هزینه طبقه بندی نامناسب هزینه رد، هزینه تست،
ترجمه چکیده
کارهای موجود نشان می دهد که الگوریتم جنگل چرخش عملکرد دفاعی را از لحاظ دقت طبقه بندی برای داده های بیان ژن به کار می برد. با این حال، اکثر آثار موجود تنها بر دقت طبقه بندی تمرکز کرده و هزینه های طبقه بندی را نادیده می گیرند. در این مطالعه، یک الگوریتم جنگی چرخشی برای ارزیابی داده های ژنی پیشنهاد شده است. سه هزینه طبقه بندی، یعنی هزینه اشتباه طبقه بندی، هزینه تست و هزینه رد، به الگوریتم جنگل چرخان تعبیه شده است. این فرمت الگوریتم جنگل چرخشی به عنوان الگوریتم جنگل چرخشی با هزینه سنجی نامیده می شود. نتایج تجربی نشان می دهد که الگوریتم های جنگل چرخشی حساس به طور موثر هزینه طبقه بندی را کاهش می دهد و نتیجه طبقه بندی را قابل اعتماد تر می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Existing works show that the rotation forest algorithm has competitive performance in terms of classification accuracy for gene expression data. However, most existing works only focus on the classification accuracy and neglect the classification costs. In this study, we propose a cost-sensitive rotation forest algorithm for gene expression data classification. Three classification costs, namely misclassification cost, test cost and rejection cost, are embedded into the rotation forest algorithm. This extension of the rotation forest algorithm is named as cost-sensitive rotation forest algorithm. Experimental results show that the cost-sensitive rotation forest algorithms effectively reduce the classification cost and make the classification result more reliable.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 228, 8 March 2017, Pages 270-276
نویسندگان
, , , , ,