基于自适应蚁群算法的组合式特征选择算法

被引：11

作者：

张杰慧 ^{[1
]}

何中市 ^{[1
]}

王健 ^{[2
]}

黄学全 ^{[2
]}

机构：

[1] 重庆大学计算机学院

[2] 第三军医大学西南医院放射科

来源：

系统仿真学报 | 2009年 / 06期

关键词：

蚁群算法; 特征选择; 支持向量机; 自适应; 孤立肺结节;

D O I：

10.16182/j.cnki.joss.2009.06.036

中图分类号：

TP391 [信息处理（信息加工）];

学科分类号：

081203 ; 0835 ;

摘要：

提出一种基于自适应蚁群算法的组合式特征选择算法。将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛。在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能。同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果。

引用

页码：1605 / 1608+1614 +1614

页数：5

共 6 条

[1] 基于Relief的组合式特征选择 [J].

张丽新 ;

王家廞 ;

赵雁南 ;

杨泽红 .

复旦学报(自然科学版), 2004, (05) :893-898

[2] 一种自适应蚁群算法及其仿真研究 [J].

王颖 ;

谢剑英 .

系统仿真学报, 2002, (01) :31-33

[3]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

[4]

Recent progress in computer-aided diagnosis of lung nodules on thin-section CT[J] . Qiang Li.Computerized Medical Imaging and Graphics . 2007 (4)

[5]

Wrappers for feature subset selection[J] . Ron Kohavi,George H. John.Artificial Intelligence . 1997 (1)

[6]

Selection of Relevant Features for Classification of Movements from Single Movement-Related Potentials Using a Genetic Algorithm. E Yom-Tov,G F Inbar. 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society . 2001

← 1 →