کاربرد موجک ها برای بهبود مدل تشخیص سرطان در مجموعه داده های میکرو آرایه DNA زبانی با ابعاد بالا

مجموعه داده های میکرو آرایه DNA مشکلات مقیاس و عدم قطعیت را دارند. این مقاله مدلی را توسعه می دهد که با استفاده از اعداد فازی و مزایای تجزیه موجک چالش های موجود در مجموعه داده های میکرو آرایه DNA را با دقت بیشتر مدیریت می کند. به منظور رسیدن به این هدف روش پیشنهادی برای طبقه بندی مجموعه داده های میکروآرایه DNA زبانی استفاده شده است که می توان مجموعه داده ها را به عنوان ژن های زبانی ارایه داد. ژن های زبانی اعداد فازی مثلثی هستند و به صورت اعداد فازی LR (چپ-راست) نمایش داده می شوند. سپس روش WABL به عنوان روش دیفازی سازی بکار می رود. همچنین مجموعه ای از ضرایب جزییات موجک متعامد بر اساس تجزیه موجک در سطوح مختلف استخراج می شوند تا ژن های محلی مجموعه داده های میکروآرایه DNA را مشخص کنند. برای ارزیابی این روش از سه مجموعه داده میکروآرایه DNA استفاده می شود. آزمایشات نشان می دهد مدل جدید دقت تشخیصی بهتری نسبت به سایر روش ها دارد