文献

J-GLOBAL ID：202202229221200192   整理番号：22A1153389

高次元生物医学データの特徴選択のための拡張粒子群最適化【JST・京大機械翻訳】

Extended particle swarm optimization for feature selection of high-dimensional biomedical data

著者 (4件)： Al-Shammary Dhiah (College of Computer Science and Information Technology, University of Al-Qadisiyah, Al Diwaniyah, Iraq) ,  Albukhnefis Adil L. (College of Computer Science and Information Technology, University of Al-Qadisiyah, Al Diwaniyah, Iraq) ,  Alsaeedi Ali Hakem (College of Computer Science and Information Technology, University of Al-Qadisiyah, Al Diwaniyah, Iraq) ,  Al-Asfoor Muntasir (College of Computer Science and Information Technology, University of Al-Qadisiyah, Al Diwaniyah, Iraq)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 10  ページ： e6776  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,最適化問題のためにPSOの探索プロセスを潜在的に強化する新規拡張粒子群最適化モデル(EPSO)を提案した。明らかに,遺伝子発現プロファイルは,癌型の医療診断に用いられる分子生物学における重要な測定因子である。遺伝子発現プロファイルに対するある種の分類方法論への挑戦は,各サンプルで記録された数千の特徴にある。修正Wrapper特徴選択モデルを,そのランダムアプローチをEPSOとPSOで置き換えることにより,遺伝子分類課題に対処する目的で適用した。EPSOは,母集団のランダムサイズを初期化して,調査を促進して,停滞における落下の確率を減らすために,それらを2つのグループに分割した。実験的に,EPSOは,PSO(平均95.72s)よりも最適特徴(平均62.14s)を選択するための処理時間が少なかった。さらに,EPSO精度は,PSO(52%から96%まで)より,より良い分類結果(54%から100%まで)を提供した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  加工時間 ,  最適化問題 ,  データ ,  分類 ,  精度 ,  遺伝子 ,  *特徴選択 ,  分子生物学 ,  診断 ,  *高次元 ,  母集団
準シソーラス用語： *粒子群最適化 ,  *生物医学 ,  選択モデル ,  遺伝子プロファイル , 【Automatic Indexing@JST】

著者キーワード (5件)： 生物医学情報 ,  進化アルゴリズム ,  特徴選択 ,  遺伝子発現プロファイル分類 ,  粒子群最適化

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 高次元 ,  生物医学 ,  特徴選択 ,  拡張 ,  粒子群最適化