[논문]Particle Swarm Optimization 알고리즘을 이용한 바이오칩 데이터의 군집화 및 분류화 기법

이윤경; 윤혜정; 이민수; 윤경오; 최혜연; 김대현; 이근일; 김대영

Particle Swarm Optimization 알고리즘을 이용한 바이오칩 데이터의 군집화 및 분류화 기법
Clustering and Classifying DNA Chip Data using Particle Swarm Optimization Algorithm 원문보기

이윤경 (이화여자대학교 컴퓨터학과) , 윤혜정 (이화여자대학교 컴퓨터학과) , 이민수 (이화여자대학교 컴퓨터학과) , 윤경오 ((주)마크로젠) , 최혜연 ((주)마크로젠) , 김대현 ((주)마크로젠) , 이근일 ((주)마크로젠) , 김대영 ((주)마크로젠)

바이오 칩 분석 시스템은 다양한 종류의 바이오칩에서 자료를 추출하고 유용한 정보를 얻기 위해 데이터를 분석하는 시스템이다. 데이터를 분석하는 다양한 기법 중 대표적인 것이 클러스터링과 분류화(classification)이다. 클러스터링은 비슷한 개체들을 한 집단으로 묶는 방법이고, 분류화는 미리 정해진 클래스에 데이터를 해당하는 클래스로 분류하는 기법이다. 다양한 알고리즘을 통해서 데이터를 클러스터링 및 분류화를 할 수 있는데 바이오칩과 같이 데이터의 양이 방대한 경우는 생태계를 모방한 알고리즘을 적용하는 것이 효율적이다. 본 논문에서는 생태계 모방알고리즘 중 하나인 PSO 집단 알고리즘을 사용하여 바이오칩 데이터로부터 클러스터의 중심을 찾아 클러스터링을 하교, 분류 규칙을 발견하여 이를 바이오 데이터에 적용, 분류해 주는 시스템을 기술하고 있다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 바이오칩의 다양한 정보를 보다 효 율적으로 분석하기 위해서 생태계 모방 알고리즘의 하나인 Particle Swarm Optimization 알고리즘을 데 이터마이닝과 접목시켜서 클러스터링 및 분류화 (classificationX 하고자 한다.

제안 방법

저장된 데이터와 파일의 클래스 정보를 가지고 PSO 알고리즘을 이용해서 훈련을 시키면 많은 분류 규칙이 결과로 나오게된다. 결과로 나온 분류 규칙 중 신뢰도와 정확도가높은 규칙이 선택되어져 클래스가 없는 테스트 집합에 분류 규칙을 적용하여 클래스들을 예측하게 된다. 예측된 클래스들은 해당 데이터가 본래 분류되어야할 클래스 값과 비교하여 정확도를 측정하게 된다.
이를 앞에서 말한 PSO의 위치업데이트 수식에 적용을 시켜 계산을 하게 된다. 결국 PSO 알고리즘에 의해 처음 만들어 냈던 규칙에 있는 유전자의 발현 값이 조금씩 업데이트(변화)되면서, 특정 유전자이 어떤 발현 값이 되어야 가장 좋은 fitness를 가지게 되는지를 찾아낸다. 따라서 정확한 결과 또는 오차가적은 rule을 찾을 수 있다.
방대한 양의 바이오칩 데이터를 PSO 알고리즘을 이용하여 효율적으로 클러스터링을 하고, 분류 규칙을 찾올 수 있었다. 앞으로는 수행 속도의 향상을 위해 최적화를 하고, 분류 규칙의 정확도를 높이기 위해 binning 과정을 향상시켜 보다 높은 정확도를 갖는 분류 규칙을 생성할 수 있게 연구할 것이다.

성능/효과

6은 binning을 사용한 유전자의 발현 값 (expression^ value)을 의미한다. 생성된 분류 규칙을 테스트 집합에 적용한 결과 66.7%의 정확도를 나타내었다.

후속연구

방대한 양의 바이오칩 데이터를 PSO 알고리즘을 이용하여 효율적으로 클러스터링을 하고, 분류 규칙을 찾올 수 있었다. 앞으로는 수행 속도의 향상을 위해 최적화를 하고, 분류 규칙의 정확도를 높이기 위해 binning 과정을 향상시켜 보다 높은 정확도를 갖는 분류 규칙을 생성할 수 있게 연구할 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Particle Swarm Optimization 알고리즘을 이용한 바이오칩 데이터의 군집화 및 분류화 기법
Clustering and Classifying DNA Chip Data using Particle Swarm Optimization Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Particle Swarm Optimization 알고리즘을 이용한 바이오칩 데이터의 군집화 및 분류화 기법 Clustering and Classifying DNA Chip Data using Particle Swarm Optimization Algorithm 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Particle Swarm Optimization 알고리즘을 이용한 바이오칩 데이터의 군집화 및 분류화 기법
Clustering and Classifying DNA Chip Data using Particle Swarm Optimization Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper