计算机科学与探索

作者：程天艺，王亚刚，龙旭，潘晓英

单位：1. 西安邮电大学 计算机学院，西安 7101212. 陕西省网络数据分析与智能处理重点实验室，西安 710121

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）

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。

来源：2020年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第4期