Genetic algorithm as a key parameter of svm parameter optimization and feature selection for acute leukemia diagnosis
Other Title(s)
الخوارزمية الوراثية كحجر أساس لاختيار القيم المثلى لمعاملات آلة المتجهات الداعمة والسمات المتباينة في عملية تشخيص سرطان الدم الحاد
Joint Authors
Abd Allah, Najah Ahmad
Ibrahim, Muhammad Abd al-Jalil
Haydar, Abd al-Salam Muhammad
Source
University of Aden Journal of Natural and Applied Sciences
Issue
Vol. 24, Issue 2 (31 Oct. 2020), pp.385-393, 9 p.
Publisher
Publication Date
2020-10-31
Country of Publication
Yemen
No. of Pages
9
Main Subjects
Arts & Humanities (Multidisciplinary)
Abstract AR
في أنظمة التعلم الآلي تحديد السمات المتباينة واختيار معاملات دالة kernel التي تستخدم لربط بيانات العنصر المدروس بأبعاد أعلى حتى نتمكن من تشكيل مستوى فائق hyperplane لفصلها وتحديد السمات هدة يعد من المعايير الهامه لتطوير عملية التصنيف.
لذا في هذا العمل الخوارزمية الوراثية Genetic Algorithm التي تحاكي التطور البيولوجي استخدمت لتحديد القيم المثلى لمعاملات دالة kernel في آلة المتجهات الداعمة Support Vector Machine لغرض إنجاز عملية التصنيف لسرطان الدم الحاد بدقة عالية نتائج هذه الدراسة اثبتت أن عملية الدمج بين الخوارزمية الوراثية وآلة المتجهات الداعمة رفعت من دقة عملية التصنيف لسرطان الدم الحاد إلى 99.19% مقارنة ب 89.43 التي تم الحصول عليها باستخدام معاملات دالة kernel الافتراضية.
هذه الدقة العالية في التصنيف يمكن إرجاعها إلى قدرة الخوارزمية الوراثية على استبعاد السمات الاقل تباينا وإيجاد القيم المثلى لمعاملات دالة kernel مشيرة إلى أن النظام المقترح يعد حلا مناسبا لعملية الأمثلة optimization وانتقاء السمات الفرعية feature subset selection في عملية تصنيف سرطان الدم الحاد.
Abstract EN
The selection process of the kernel parameters and the relevant features are very crucial to enhance the classification tasks.
Thus, in this work, a genetic algorithm that mimics the biological evaluation is used to optimize the support vector machine kernel parameters in order to achieve a high classification accuracy of an acute leukemia diagnosis.
The results proved that the combination of genetic algorithm with support vector machine increased the classification accuracy of acute leukemia diagnosis to 99.19%, compared with the value of 89.43% obtained under default support vector machine kernel parameters.
This can be directly attributed to the elimination of the irrelevant features and the suitable selection of the kernel parameters.
This implies that the genetic algorithm model can be adequately used to solve the optimization problem and features subset selection that gives the optimal accuracy.
American Psychological Association (APA)
Abd Allah, Najah Ahmad& Ibrahim, Muhammad Abd al-Jalil& Haydar, Abd al-Salam Muhammad. 2020. Genetic algorithm as a key parameter of svm parameter optimization and feature selection for acute leukemia diagnosis. University of Aden Journal of Natural and Applied Sciences،Vol. 24, no. 2, pp.385-393.
https://search.emarefa.net/detail/BIM-1553622
Modern Language Association (MLA)
Abd Allah, Najah Ahmad…[et al.]. Genetic algorithm as a key parameter of svm parameter optimization and feature selection for acute leukemia diagnosis. University of Aden Journal of Natural and Applied Sciences Vol. 24, no. 2 (Oct. 2020), pp.385-393.
https://search.emarefa.net/detail/BIM-1553622
American Medical Association (AMA)
Abd Allah, Najah Ahmad& Ibrahim, Muhammad Abd al-Jalil& Haydar, Abd al-Salam Muhammad. Genetic algorithm as a key parameter of svm parameter optimization and feature selection for acute leukemia diagnosis. University of Aden Journal of Natural and Applied Sciences. 2020. Vol. 24, no. 2, pp.385-393.
https://search.emarefa.net/detail/BIM-1553622
Data Type
Journal Articles
Language
English
Notes
Text in English ; abstracts in English and Arabic.
Record ID
BIM-1553622
