Biyoinformatik Uygulamalarında Makine Öğrenme Yöntemlerinin Geliştirilmesine Yönelik Çok Kriterli Yaklaşım
Biyo-işaretçi seçimi genom sonrası elde edilen yüksek boyutlu biyolojik verilerin analizlerinin önemli bir parçasıdır ve biyo-işaretçilerin temsil gücü en yüksek alt kümesini seçmeyi hedefler. Ancak, biyolojik verilerin yüksek boyutlu yapıda olması nedeniyle, seçim süreci çok zor bir iştir. Bu süreç, veri setindeki örnek varyasyonlarından (değişintilerden) ve seçim metodundan da bağımsız olmalıdır. Bu çalışmada, çok amaçlı optimizasyon yöntemi olan Pareto Optimallik (PO) ile çok kriterli karar verme yöntemi olan Analitik Hiyerarşi Proses (AHP) yöntemini birleştiren yeni bir karmametot önerilmiştir. Yöntem farklı biyo-işaretçi seçim yöntemleri ile de kullanılabilmektedir. Bu çalışmada önerilen çok kriterli yaklaşımlar çeşitli yüksek boyutlu biyolojik veriler üzerinde test edilmiştir. Alınan sonuçlar PO yönteminin biyolojik verilerde tanımlanmış problem ile ilgili öznitelikleri başarılı bir şekilde seçtiğinigöstermiştir. Ayrıca AHP yönteminin seçilmiş az sayıda biyo-işaretçinin kendi arasında önceliklendirilmesinde kullanılabileceğini de gösterilmiştir.
Dostları ilə paylaş: |