在高維特征選擇過程中最優(yōu)特征子集生成和分類器參數(shù)優(yōu)化方面,提出一種基于貝葉斯粗糙集(BRS)、遺傳算法(GA)和布谷鳥算法(CS)的兩階段優(yōu)化高維特征選擇算法。該算法首先分析3 000例肺部腫瘤CT圖像的形狀、灰度和紋理特征,提取104維特征分量共同量化ROI;然后進行兩階段優(yōu)化:(1)從全局相對增益函數(shù)的角度分析了屬性重要度,結(jié)合屬性約簡長度和基因編碼權(quán)值函數(shù)的加權(quán)和構(gòu)造適應(yīng)度函數(shù),通過選擇、交叉和變異等遺傳操作生成最優(yōu)特征子集,在不降低分類精確度的前提下降低特征維度;(2)利用CS對支持向量機(SVM)參數(shù)進行全局尋優(yōu);最后通過實驗驗證本文算法的可行性和有效性。實驗結(jié)果表明,該算法有效提升了肺部腫瘤良惡性識別能力,降低了算法的時間復(fù)雜度。

【文章頁數(shù)】：11 頁

圖1基于BRSGA和CS的高維特征選擇算法流程圖

圖2Otsu算法分割前后的實例

圖3最優(yōu)特征子集生成流程圖

圖4CS優(yōu)化SVM參數(shù)流程圖

本文編號：3885245