多层次降维的头颈癌图像特征选择方法

• 作者: 潘晓英 王亚刚 程天艺 龙旭
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 图像特征 小样本高维 ReliefF算法 进化神经策略(ENS) 粒子群算法(PSO)
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像
• 页码范围: 669-679
• 页数: 11页
• 分类号: TP18
• 字数: 8384字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1903041

摘要

针对原始病理图像经软件提取形态学特征后存在高维度,以及医学领域上样本的少量性问题,提出ReliefF-HEPSO头颈癌病理图像特征选择算法.该算法构建了多层次降维框架,首先根据特征和类别的相关性,利用ReliefF算法确定不同的特征权重,实现初步降维.其次利用进化神经策略(ENS)丰富二进制粒子群算法(BPSO)的种群的多样性,提出混合二进制进化粒子群算法(HEPSO)对候选特征子集完成最佳特征子集的自动寻找.与7种特征选择算法的实验对比结果证明,该算法能更有效筛选出高相关性的病理图像形态学特征,实现快速降维,以较少特征获得较高分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚刚	西安邮电大学计算机学院	36	233	5.0	14.0
2	潘晓英	西安邮电大学计算机学院	40	149	7.0	11.0
4	程天艺	西安邮电大学计算机学院	1	0	0.0	0.0
8	龙旭	西安邮电大学计算机学院	1	0	0.0	0.0