学位论文 > 优秀研究生学位论文题录展示

特征选择算法研究及其在孤立肺结节诊断中的应用

作　者: 张杰慧
导　师: 何中市
学　校: 重庆大学
专　业: 计算机软件与理论
关键词: 特征选择算法孤立肺结节粗集遗传算法蚁群算法
分类号: R816.4
类　型: 硕士论文
年　份: 2007年
下　载: 159次
引　用: 4次
阅　读: 论文下载

内容摘要

在数据挖掘、机器学习、统计模式识别等相关领域中,特征选择作为数据预处理的一种重要而常用的方式,是监督学习算法的一个重要组成步骤。随着计算机科学和技术的发展,图像处理、生物信息学等大规模问题不断涌现,对已有的特征选择算法提出了严峻的挑战,迫切需要适应大规模数据的准确性和运行效率等综合性能较好的特征选择算法。本文在大规模数据的特征选择以及特征选择在孤立肺结节计算机辅助诊断中的应用开展了一些研究工作,主要做了以下几部分的工作。首先,对目前特征选择的研究现状和问题进行了具体而深入的研究,分析了特征选择的定义、过程、分类以及常规的特征选择算法模型,提出了特征选择算法的选用技巧。其次,提出了一种新的基于粗集(RS)与遗传算法(GA)的特征选择算法。该方法将遗传算法(GA)与粗集(RS)思想有机结合进行特征选择,引入粗集中相关属性依赖度,设计了适应度函数和遗传算子,以提高算法的时间效率,并获得良好的搜索结果。同时,将该特征选择方法应用于图像特征分析,实验表明该方法达到了满意的效果,具有较高的效率。另外,基于Filter和Wrapper各自的优缺点,提出了一种基于蚁群算法的组合式特征选择算法。该算法将蚁群算法用于特征选择,将特征作为位置点,采用支持向量机分类器评价特征子集的性能,对特征(点)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等多个角度考察,该算法具有良好的综合性能。然后,把特征选择算法应用于孤立肺结节的计算机辅助CT诊断。系统地介绍了孤立肺结节计算机辅助诊断系统,描述了系统知识库的建立,研究了特征对于孤立肺结节诊断的重要性并提出了特征的层次化结构,同时将本文提出的两个特征选择算法在人工数据集上做了实验,选择的特征较真实地反映了医学诊断依据并获得不错的分类效果。本文最后对研究工作进行了总结,提出了今后进一步的研究方向。

全文目录

中文摘要  3-4
英文摘要  4-9
1 绪论  9-14
  1.1 问题的提出及研究意义  9-10
  1.2 研究现状简介  10-12
  1.3 论文主要工作  12-13
  1.4 论文组织结构  13-14
2 机器学习中特征选择算法的介绍  14-25
  2.1 特征选择的基本概念  14-19
    2.1.1 特征选择的定义  14-15
    2.1.2 特征选择过程  15-18
    2.1.3 特征选择分类  18-19
  2.2 部分典型特征选择算法介绍  19-22
    2.2.1 Filter 类  19-21
    2.2.2 Wrapper 类  21
    2.2.3 Filter 和Wrapper 组合式算法  21-22
  2.3 特征选择的应用研究  22-24
    2.3.1 特征对比和选用  22-23
    2.3.2 研究特征选择需要注意的问题  23-24
  2.4 本章小结  24-25
3 改进的RS-GA 特征选择算法  25-34
  3.1 粗集理论概述  25-26
  3.2 改进的RS-GA 的特征选择算法设计  26-30
    3.2.1 基本遗传算法框架  26-27
    3.2.2 粗集中属性的相关依赖度  27
    3.2.3 具体的基于RS-GA 特征选择算法技术  27-30
  3.3 实验设计与结果分析  30-33
    3.3.1 实验数据  30
    3.3.2 数据预处理和实验方案  30-31
    3.3.3 实验结果与分析  31-33
  3.4 本章小结  33-34
4 基于蚁群算法的组合式特征选择方法  34-50
  4.1 蚁群算法  34-37
    4.1.1 蚁群算法的基本思想  34
    4.1.2 蚁群算法的原理  34-35
    4.1.3 简单蚁群算法的流程  35-36
    4.1.4 蚁群算法的现状  36-37
  4.2 基于ACA 的组合式特征选择算法的设计  37-42
    4.2.1 问题的描述和算法思想  37
    4.2.2 用于特征选择的蚁群系统建模  37-38
    4.2.3 组合式特征选择算法的设计  38-41
    4.2.4 算法的实现  41-42
  4.3 分类器的选择  42-45
    4.3.1 分类方法的评估标准  42-43
    4.3.2 分类方法的研究  43-44
    4.3.3 组合式特征选择方法对分类器的选择  44-45
  4.4 实验设计与结果分析  45-49
    4.4.1 实验数据  45
    4.4.2 实验结果  45-49
  4.5 本章小结  49-50
5 SPN 计算机辅助诊断系统和特征选择的应用  50-63
  5.1 SPN 计算机辅助诊断系统简介  50-53
    5.1.1 目的及意义  50-51
    5.1.2 系统的设计  51-52
    5.1.3 小组分工  52-53
  5.2 知识库的建立  53-56
    5.2.1 肺部CT 图像的数据、规则采集  53-55
    5.2.2 特征的层次化结构  55-56
  5.3 特征选择的实验结果和分析  56-62
    5.3.1 数据集  56-57
    5.3.2 性能评估指标  57-58
    5.3.3 特征选择实验方案  58-59
    5.3.4 实验结果与分析  59-62
  5.4 本章小结  62-63
6 总结与展望  63-65
致谢  65-66
参考文献  66-70
附录作者在攻读硕士学位期间的其它工作  70

特征选择算法研究及其在孤立肺结节诊断中的应用

内容摘要

全文目录

相似论文