Fuzzy Classification System for Bioinformatics Data Analysis/ Izplūdusī klasifikācijas sistēma bioinformātikas datu analīzei/ Система нечеткой классификации данных биоинформатики

Gasparovica-Asite Madara () and Aleksejeva Ludmila ()
Additional contact information
Aleksejeva Ludmila: Riga Technical University

Information Technology and Management Science, 2014, vol. 17, issue 1, 92-97

Abstract: В данной статье описывается разработанная авторами система нечеткой классификации, специально предназначенная для анализа и классификации реальных данных биоинформатики. Определена специфика данных биоинформатики - большое число атрибутов и малое число записей. Данные требования заставляют систему классификации учитывать эти особенности данных биоинформатики, что приводит к использованию соответствующих методов предобработки. Дано описание модулей системы, в том числе и схематическое, и обоснование выбора тех или иных алгоритмов и методов для каждого из модулей. Для предобработки данных выбраны следующие методы: а) для замещения пропущенных величин (только если необходимо) - методы опорных векторов SVM или взвешенных K-ближайших соседей (WKNNI); б) для снижения числа атрибутов - использование быстрого фильтра, основанного на корреляции FCBF; и в) для конструирования функций принадлежности - элементарный алгоритм построения треугольных функций. Для классификации и тестирования применяется алгоритм нечеткой классификации FUZZY BEXA, а для растягивания правил - метод FURIA, который обеспечивает дополнительное растяжение полученных правил классификации, расширяя тем самым возможности классификации новых записей.. Для повышения точности классификации и обеспечения объективного разделения данных на обучающее и тестовое множества применяется 10-кратная перекрестная проверка. Оценка результатов осуществляется путем расчета общей точности и общей ошибки классификации. Поскольку в ходе проведенных авторами исследований использование алгоритмов нечеткой классификации в анализе функций принадлежности оказалось достаточно перспективным, то именно в этом направлении необходимо расширять разработанную авторами систему. При этом пользователям должна быть предоставлена возможность выбора алгоритма нечеткой классификации, специально приспособленного для конструирования функций принадлежности. В ходе дальнейших исследований необходимо сравнить возможности разработанной системы нечеткой классификации с другими методами получения данных, применяемыми для классификации данных биоинформатики.

Date: 2014
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://doi.org/10.1515/itms-2014-0014 (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:vrs:itmasc:v:17:y:2014:i:1:p:92-97:n:14

DOI: 10.1515/itms-2014-0014

Access Statistics for this article

Information Technology and Management Science is currently edited by J. Merkurjevs

More articles in Information Technology and Management Science from Sciendo
Bibliographic data for series maintained by Peter Golla ().