الملخص

في أنظمة التعلم الآلي تُحًديد 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 يُعد 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 بـ 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 تبايناً وإيجاد القيم المثلى لمعاملات دالة kernel، مشيرةً إلى أن النظام المقترح يُعد حلاً مناسبًا لعملية الأمثلة optimization وانتقاء السمات الفرعية feature subset selection في عملية تصنيف سرطان الدم الحاد.