دسته بندی و پیش بینی کلاله سه شاخه و چند شاخه زعفران با استفاده از ابزار های آماری یادگیری ماشینی بدون نظارت
Abstract(in Persian; no English abstract is available)
زعفران یک گیاه تریپلوئید و عقیم است که در همه کشورها به عنوان یک ادویه و گیاه دارویی مورد استفاده قرار می گیرد. کلاله مهم ترین قسمت گیاه زعفران می باشد. تاکنون هیچ روش مطمئن مولکولی برای شناسایی و پیش بینی گونه های دارای کلاله سه و چند شاخه ارائه نشده است. در این بررسی بر اساس نشانگر های مولکولی چندشکلی توالی مربوط تکثیر یافته و با استفاده از الگوریتم های بیوانفورماتیکی مختلف،روش های جدیدی برای پیش بینی کلاله زعفران ارائه شده است. پنج آلل m131400، m151200، m151100، m10850 و g6500 به عنوان مهم ترین دسته بندی کننده با دقت پیش بینی بالا بر اساس مدل های attribute weighting انتخاب شدند که دارای پتانسیل بالایی برای خوشه بندی و تشخیص کلاله سه شاخه ازچند شاخه هستند. دسته بندی بدون یادگیری بر اساس الگوریتم های k-means و k-medoids قادر به خوشه بندی صحیح کلاله زعفران هستند. نتایج نشان می دهد که برای اولین بار، روش های داده کاوی می توانند شیوه ای بسیار مؤثر، با دقت و صحت بالای 90 درصد برای تمایز ژنتیکی کلاله سه شاخه از چند شاخه مورد استفاده قرار گیرد. این روش ها می توانند در مکان یابی ژنی و انتخاب به کمک بیومارکرها مورد استفاده قرار گیرند.