Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS’in eğitilmesi

Date

2017-01-01

Author

Haznedar, Bülent
Arslan, Mustafa Turan
Kalınlı, Adem

Metadata

Show full item record

Item Usage Stats

298
views

0
downloads

Sınıflandırma, verilerin analiz edilmesi için önemli bir veri madenciliği tekniği olup tıp, genetik ve biyomedikal mühendisliği başta olmak üzere birçok alanda kullanılmaktadır. Özellikle tıp alanında DNA mikrodizi gen ekspresyon verilerini sınıflandırmaya yönelik yapılan çalışmalarda artış görülmektedir. Ancak, mikrodizi gen ekspresyon (ifade) verilerinde bulunan gen sayılarının çokluğu ve bu veriler arasında doğrusal olmayan bağıntılar bulunması gibi problemlerden dolayı geleneksel sınıflandırma algoritmalarının başarımları sınırlı kalabilmektedir. Bu sebeplerden dolayı son yıllarda sınıflandırma probleminin çözümü için yapay zekâ tekniklerine dayalı sınıflandırma yöntemlerine olan ilgi giderek artmaya başlamıştır. Bu çalışmada, karaciğer mikrodizi kanser veri setinin sınıflandırılması için Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) ve Genetik Algoritmaya (GA) dayalı hibrid bir yaklaşım önerilmiştir. Simülasyon sonuçları, diğer bazı yöntemlere ait sonuçlarla karşılaştırılmıştır. Elde edilen sonuçlardan, önerilen yöntemin diğer yöntemlere göre daha başarılı olduğu görülmüştür.

Subject Keywords

Neuro-fuzzy, ANFIS, Genetik algoritma, Sınıflandırma, Mikrodizi gen ifade, ANFIS, Genetic algorithm, Classification, Microarray gene expression

URI

https://hdl.handle.net/11511/74148

Journal

Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi

DOI

https://doi.org/10.16984/saufenbilder.41925

Collections

Other, Article

Suggestions

OpenMETU
Core

Training ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression data Haznedar, Bülent; Arslan, Mustafa Turan; Kalınlı, Adem (2017-02-01) Normal 0 21 false false false TR X-NONE X-NONE ...
Training of ANFIS Network by Genetic Algorithm for Diagnosis of Leukemia Cancer Subtypes Using Gene Expression Profile Arslan, Mustafa Turan; Haznedar, Bülent; Kalınlı, Adem (2017-05-12) In this study, subtypes of Leukemia cancer has classified by using microarray gene expression profiles. An approach is proposed to train Adaptive Neuro Fuzzy Inference System (ANFIS) network by using a population-based Genetic Algorithm (GA) to classify this cancer data. The classification success of the proposed model has compared with the successes of Backpropagation (BP)-ANFIS and Hybrid-ANFIS, which are derivative based ANFIS models. According to obtained results, GA-ANFIS model has performed ve...
Using Adaptive Neuro-Fuzzy Inference System for Classification of Microarray Gene Expression Cancer Profiles Haznedar, Bülent; Arslan, Mustafa Turan; Kalınlı, Adem (2018-05-01) Microarray is a technology that enables simultaneously analysis of thousands of genes in DNA structure depending on the advances in biochemistry. With this technology, it has become possible to diagnose and treat heredity diseases by analyzing thousands of gene expression levels. This study proposes an artificial intelligence method, Adaptive neuro-fuzzy inference system (ANFIS), to classify cancer gene expression profiles. The findings obtained with the proposed ANFIS approach are compared with the results...
Efficient partially observable markov decision process based formulation of gene regulatory network control problem Erdoğdu, Utku; Polat, Faruk; Alhajj, Reda; Department of Computer Engineering (2012) The need to analyze and closely study the gene related mechanisms motivated the research on the modeling and control of gene regulatory networks (GRN). Di erent approaches exist to model GRNs; they are mostly simulated as mathematical models that represent relationships between genes. Though it turns into a more challenging problem, we argue that partial observability would be a more natural and realistic method for handling the control of GRNs. Partial observability is a fundamental aspect of the problem; ...
Predicting Mathematics 1 Course Success by Using Hierarchical Adaptive Network Based Fuzzy Inference System Dulger, Ozcan (LookUs Bilisim A.S., 2014) Öğrencilerin Matematik 1 dersinden alacağı notları önceden tahmin etmek dönem öncesi öğrencileri Matematik 1 dersine hazırlamak için oldukça önemlidir. Verilerin doğrusal olmayan yapılarından dolayı çözüm elde etme zor olmaktadır. Sayısal değerler içeren bu tür problemler için çözüm sunan bulanık mantık yöntemi tercih edilen yöntemlerden bir tanesidir. Bulanık mantıkla çözüm elde etmek için üyelik fonksiyonlarını ve onların parametre değerlerini doğru belirlemek gereklidir. Bu işlem bir uzman tarafın...

Citation Formats

B. Haznedar, M. T. Arslan, and A. Kalınlı, “Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS’in eğitilmesi,” Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, pp. 54–62, 2017, Accessed: 00, 2021. [Online]. Available: https://hdl.handle.net/11511/74148.