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

Basit Öğe Kaydı
dc.contributor.authorHaznedar, Bülent
dc.contributor.authorArslan, Mustafa Turan
dc.contributor.authorKalınlı, Adem
dc.date.accessioned2019-07-16T16:01:36Z
dc.date.available2019-07-16T16:01:36Z
dc.date.issued2017
dc.departmentHatay Mustafa Kemal Üniversitesien_US
dc.description.abstractSınıflandırma, 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.en_US
dc.description.abstractClassification is an important data mining technique, which is used in many fields mostly exemplified as medicine, genetics and biomedical engineering. The number of studies about classification of the datum on DNA microarray gene expression is specifically increased in recent years. However, because of the reasons as the abundance of gene numbers in the datum as microarray gene expressions and the nonlinear relations mostly across those datum, the success of conventional classification algorithms can be limited. Because of these reasons, the interest on classification methods which are based on artificial intelligence to solve the problem on classification has been gradually increased in recent times. In this study, a hybrid approach which is based on Adaptive Neuro-Fuzzy Inference System (ANFIS) and Genetic Algorithm (GA) are suggested in order to classify liver microarray cancer data set. Simulation results are compared with the results of other methods. According to the results obtained, it is seen that the recommended method is better than the other methods.en_US
dc.identifier.endpage62en_US
dc.identifier.issn1301-4048
dc.identifier.issue1en_US
dc.identifier.startpage54en_US
dc.identifier.urihttps://trdizin.gov.tr/publication/paper/detail/TWprek1EUTJOZz09
dc.identifier.urihttps://hdl.handle.net/20.500.12483/2769
dc.identifier.volume21en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isotren_US
dc.relation.ispartofSakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US]
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectFiziken_US
dc.subjectAkışkanlar ve Plazmaen_US
dc.subjectMühendisliken_US
dc.subjectKimyaen_US
dc.subjectFiziken_US
dc.subjectAtomik ve Moleküler Kimyaen_US
dc.subjectSavunma Bilimlerien_US
dc.subjectKristalografien_US
dc.subjectPaleontolojien_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectTeori ve Metotlaren_US
dc.subjectNanobilim ve Nanoteknolojien_US
dc.subjectKimyaen_US
dc.subjectUygulamalıen_US
dc.subjectEkolojien_US
dc.subjectSpektroskopien_US
dc.subjectFiziken_US
dc.subjectKatı Halen_US
dc.subjectTaşınımen_US
dc.subjectOrtak Disiplinleren_US
dc.subjectParazitolojien_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectSibernitiken_US
dc.subjectMühendisliken_US
dc.subjectMakineen_US
dc.subjectKimyaen_US
dc.subjectOrtak Disiplinleren_US
dc.subjectSu Kaynaklarıen_US
dc.subjectRobotiken_US
dc.subjectEndüstri Mühendisliğien_US
dc.subjectİstatistik ve Olasılıken_US
dc.subjectYerbilimlerien_US
dc.subjectOrtak Disiplinleren_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectBilgi Sistemlerien_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectDisiplinler Arası Uygulamalaren_US
dc.subjectEvrim Biyolojisien_US
dc.subjectMatematiken_US
dc.subjectÇevre Bilimlerien_US
dc.subjectKimyaen_US
dc.subjectİnorganik ve Nükleeren_US
dc.subjectGenetik ve Kalıtımen_US
dc.subjectKimyaen_US
dc.subjectTıbbien_US
dc.subjectOtomasyon ve Kontrol Sistemlerien_US
dc.subjectTermodinamiken_US
dc.subjectJeolojien_US
dc.subjectBiyoliji Çeşitliliğinin Korunumasıen_US
dc.subjectFiziken_US
dc.subjectNükleeren_US
dc.subjectKuş Bilimien_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectDonanım ve Mimarien_US
dc.subjectFiziken_US
dc.subjectOrtak Disiplinleren_US
dc.subjectYeşilen_US
dc.subjectSürdürülebilir Bilim ve Teknolojien_US
dc.subjectÜreme Biyolojisien_US
dc.subjectElektrokimyaen_US
dc.subjectDenizciliken_US
dc.subjectFiziken_US
dc.subjectPartiküller ve Alanlaren_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectYapay Zekaen_US
dc.subjectUzaktan Algılamaen_US
dc.subjectGörüntüleme Bilimi ve Fotoğraf Teknolojisien_US
dc.subjectGıda Bilimi ve Teknolojisien_US
dc.subjectMühendisliken_US
dc.subjectJeolojien_US
dc.subjectKimyaen_US
dc.subjectOrganiken_US
dc.subjectFiziken_US
dc.subjectUygulamalıen_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectYazılım Mühendisliğien_US
dc.subjectİmalat Mühendisliğien_US
dc.subjectFiziken_US
dc.subjectMatematiken_US
dc.subjectMühendisliken_US
dc.subjectElektrik ve Elektroniken_US
dc.subjectİnşaat ve Yapı Teknolojisien_US
dc.subjectKimyaen_US
dc.subjectAnalitiken_US
dc.subjectÇevre Mühendisliğien_US
dc.subjectEntomolojien_US
dc.subjectOptiken_US
dc.subjectBiyolojien_US
dc.subjectEnerji ve Yakıtlaren_US
dc.subjectFizikokimyaen_US
dc.subjectTelekomünikasyonen_US
dc.subjectİnşaat Mühendisliğien_US
dc.subjectMetalürji Mühendisliğien_US
dc.titleKaraciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS’in eğitilmesien_US
dc.title.alternativeTraining ANFIS structure using genetic algorithm for liver cancer classification based on microarray gene expression dataen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Haznedar, Bulent 2017.pdf
Boyut:
514.76 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin/Full Text
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu