多层次降维的头颈癌图像特征选择方法

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.

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)

所属期刊栏目：14

分类号：TP18(自动化基础理论)

资助基金：The Postgraduate Innovation Fund Project of Xi'an University of Posts and Telecommunications under Grant No. CXJJLI2018014 西安邮电大学研究生创新基金项目;the Key Laboratory Fund of Shaanxi Province 陕西省重点实验室基金

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：669-679