電子發燒友網>電子資料下載>電子論文>數字信號處理論文>使用遺傳算法的乳腺微鈣化點特征優化

使用遺傳算法的乳腺微鈣化點特征優化

2075108 2008-12-13 | rar | 342 | 次下載 | 3積分

資料介紹

乳腺微鈣化點包含眾多屬性，由于其中存在的冗余和不相關屬性降低了微鈣化點病變類型判別的性能。因此，特征子集選擇問題成為微鈣化點病變類型識別中的重要問題。該文針對傳統優化方法用于特征選擇的種種缺陷，提出了基于遺傳算法的特征子集選擇測算法。經乳腺微鈣化點特征選擇實例分析，證明該方法擁有較強的并行性和尋優能力，在特征選擇領域有廣闊的應用前景。
關鍵詞微鈣化點; 特征子集; 遺傳算法; 特征優化

乳腺鉬靶X片上微鈣化點病變類型的判別是一個典型的模式分類問題[1]。模式識別的任務是利用從樣本中抽取出的特征將樣本劃分為相應的模式類別。特征向量中只有包含足夠的類別信息，才有可能通過分類器完成無差錯的模式分類。由于難以確定特征中是否已包含足夠的類別信息，為了提高識別正確率，盡可能地增加特征數目以進行類別識別。但受分類器規模、訓練過程的復雜性以及計算機容量等諸多因素的制約，過于龐大的特征維數往往不能取得良好的效果，因此需要采取措施，在不降低識別效果的前提下盡量減少特征維數。為了提高識別精度，在設計分類器前，必須去除兩類冗余特征量：(1) 與分類目標無關的特征量；(2) 與其他特征量有較高相關性的特征量，即從一組數量為D的特征中選擇出數量為d(D>d)的一組最優特征來，使得分類錯誤率最小。為此需要解決兩個問題：(1) 選擇的標準，即采用何種類別可分離判據；(2) 采用何種尋優方法來解決這一組合優化問題。圍繞以上兩個問題，本文采用類內－類間距離判據作為類別可分離判據，以遺傳算法求解最優化的特征矢量。