Please use this identifier to cite or link to this item: http://dspace.centre-univ-mila.dz/jspui/handle/123456789/338
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRadja, Maamar, Merrouche Saliha-
dc.date.accessioned2020-11-17T09:13:11Z-
dc.date.available2020-11-17T09:13:11Z-
dc.date.issued2016-06-
dc.identifier.other004-274-
dc.identifier.urihttp://dspace.centre-univ-mila.dz/jspui/handle/123456789/338-
dc.descriptionIdentifying biomarkers becomes one of the surge scientific research matters. It is not an easy task due to the huge volume of “Omics” data. Nonetheless, it can be modeled as the problem of selecting features. Feature selection techniques shown their efficiency in identifying biomarkers for cancer. In recent works, the hybridization of machine learning and optimization demonstrated its power in various applications. In this paper, we propose a hybrid approach to identify biomarkers from gene expression data. We combined the swarm intelligence PSO and Cuckoo search with SVM classifier to select biomarkers with best classification performance. In the proposed method, the best particles selected by PSO are the input of Cuckoo search algorithm. Experimental results on DNA microarray datasets proved that this hybridization gives sufficient results.en_US
dc.description.abstractL'identification des biomarqueurs devient l'un des sujets de recherche scientifique les plus abordés. Ce n’est pas une tâche facile en raison de l'énorme volume de données «omiques». Néanmoins, il peut être modélisé comme le problème de la sélection d’attributs. Les techniques de sélection d’attributs ont montrés leur efficacité dans l'identification de biomarqueurs pour le cancer. Dans des travaux récents, l'hybridation de l'apprentissage automatique et de l'optimisation a démontré sa puissance dans diverses applications. Dans ce travail,nous proposons une approche hybride pour identifier des biomarqueurs à partir des données d'expression génique. Nous avons combiné PSO et la recherche Cuckoo améliorée ICS avec le classifieur SVM pour sélectionner des biomarqueurs. Dans la méthode proposée, les meilleures particules sélectionnées par PSO sont l'entrée de l’algorithme de ICS. Des résultats expérimentaux sur des ensembles de données de puces à ADN, ont prouvé que cette hybridation mène à des résultats satisfaisants.en_US
dc.language.isofren_US
dc.publisherAbdelhafid Boussouf University centre- Milaen_US
dc.subjectLes modèles hybrides basés optimisation et apprentissage automatique pour la résolution de problèmes dans le domaine de la bioinformatiqueen_US
dc.subjectSwarm intelligence, Cuckoo search (CS), Particle swarm optimization (PSO), Support vector machines (SVM), Biomarker discovery, Feature selection, hybridization.en_US
dc.titleLes modèles hybrides basés optimisation et apprentissage automatique pour la résolution de problèmes dans le domaine de la bioinformatiqueen_US
dc.typeThesisen_US
Appears in Collections:Computer science

Files in This Item:
File Description SizeFormat 
00427411.pdf5,73 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.