Reduced gene subset selection based on discrimination power boosting for molecular classification

روش های انتخاب سنتی دارای دو طرح بزرگ نامناسب در معیار خود هستند. اولا، سود اطلاعات مربوطه را در برابر خطر اطلاعات اضافی به فروش می رسانند. ثانیا، آنها نمیتوانند از تله شناخته شده خلاص شوند، که بهترین ویژگیها بهترین ویژگیها نیستند. بین دو دور انتخابی متوالی هیچ ارثی لازم نیست. به عنوان یک راه حل برای اولین مشکل، ما یک معیار انتخاب جدید را پیشنهاد می کنیم که بر تأیید اثرات تقویت تبعیض تأکید دارد. طرح انتخاب ویژگی های جدید نیز در این مقاله به عنوان یک راه حل برای حل مشکل دوم مطرح شده است و می تواند چندین زیر مجموعه با ترکیبی از ویژگی های متغیر که از انجام وظایف طبقه بندی پشتیبانی می کند، تولید کند. نتایج تجربی ما نشان می دهد که زیرمجموعه های متشکل از ویژگی های انتخابی متغیر می توانند نیروی تبعیض کاملا مشابهی داشته باشند که ممکن است به کیفیت طبقه بندی مشابه برسند. این نتایج تجربی همچنین تأیید می کنند که روش پیشنهادی ما می تواند موفق به کشف زیر مجموعه های ساده ی ژن برای چندین مجموعه داده های ژنتیکی با کارایی و کارایی باشد.