基于Bayesian粗糙集和布谷鸟算法的肺部肿瘤高维特征选择算法

发布时间：2024-01-25 17:28

　　在高维特征选择过程中最优特征子集生成和分类器参数优化方面,提出一种基于贝叶斯粗糙集(BRS)、遗传算法(GA)和布谷鸟算法(CS)的两阶段优化高维特征选择算法。该算法首先分析3 000例肺部肿瘤CT图像的形状、灰度和纹理特征,提取104维特征分量共同量化ROI;然后进行两阶段优化:(1)从全局相对增益函数的角度分析了属性重要度,结合属性约简长度和基因编码权值函数的加权和构造适应度函数,通过选择、交叉和变异等遗传操作生成最优特征子集,在不降低分类精确度的前提下降低特征维度;(2)利用CS对支持向量机(SVM)参数进行全局寻优;最后通过实验验证本文算法的可行性和有效性。实验结果表明,该算法有效提升了肺部肿瘤良恶性识别能力,降低了算法的时间复杂度。

【文章页数】：11 页

图1基于BRSGA和CS的高维特征选择算法流程图