多层次降维的头颈癌图像特征选择方法

作者：程天艺; 王亚刚^*; 龙旭; 潘晓英

来源：计算机科学与探索, 2020, 14(04): 669-679.

• 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)

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。

• 单位
  西安邮电大学