使用遗传算法的乳腺微钙化点特征优化

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

使用遗传算法的乳腺微钙化点特征优化

王瑞平, 万柏坤, 高上凯

文章导航 > 电子科技大学学报 > 2007 > 36(1): 137-139,153

王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化[J]. 电子科技大学学报, 2007, 36(1): 137-139,153.

引用本文:

王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化[J]. 电子科技大学学报, 2007, 36(1): 137-139,153.

WANG Rui-ping, WAN Bai-kun, GAO Shang-kai. Microcalcification Feature Selection in Mammograms Using Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(1): 137-139,153.

Citation:

WANG Rui-ping, WAN Bai-kun, GAO Shang-kai. Microcalcification Feature Selection in Mammograms Using Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(1): 137-139,153.

使用遗传算法的乳腺微钙化点特征优化

1.
北京交通大学生物医学工程系北京海淀区 100044;
2.
天津大学生物医学工程系天津南开区 300072;
3.
清华大学生物医学工程系北京海淀区 100084

基金项目:

中国博士后科学基金资助项目(2004036063)

作者简介:
王瑞平(1974-),女,副教授,主要从事生物医学信号和图像处理方面的研究.

中图分类号: TH776;TN911.73

Microcalcification Feature Selection in Mammograms Using Genetic Algorithm

1.
Department of Biomedical Engineering,Beijing Jiaotong University Haidian Beijing 100044;
2.
Department of Biomedical Engineering,Tianjin University Nankai Tianjin 300072;
3.
Department of Biomedical Engineering,Tsinghua University Haidian Beijing 100084

摘要: 乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。
- 微钙化点 /
- 特征子集 /
- 遗传算法 /
- 特征优化
Abstract: Microcalcifications include many redundant and irrelated features, which degrade the microcalcifications classification performance. So, feature subset selection becomes one of the important research issues in the process of microcalcification identification. In view of the deficiencies in traditional combination optimization method, an algorithm of feature subset selection based on genetic algorithm is proposed in this paper. According to the results of practical microcalcification classification example, it is proved that this method possess excellent parallelism and optimization performance.
- microcalcification /
- feature subset /
- genetic algorithm /
- feature optimization

[1]	李玉霞, 徐永鑫, 何磊, 张向秀. 基于GA和LEACH的WSN引入交通层路径优化算法 . 电子科技大学学报, 2017, 46(3): 549-554. doi: 10.3969/j.issn.1001-0548.2017.03.012
[2]	万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解 . 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024
[3]	熊彦铭, 毛凌, 杨战平. 基于遗传算法的时间决策系统标定优化方法 . 电子科技大学学报, 2012, 41(1): 80-84. doi: 10.3969/j.issn.1001-0548.2012.01.016
[4]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[5]	陈世杰, 连可, 王厚军. 遗传算法优化的SVM模拟电路故障诊断方法 . 电子科技大学学报, 2009, 38(4): 553-558. doi: 10.3969/j.issn.1001-0548.2009.04.019
[6]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[7]	崔梦天, 傅丽霞, 赵海军, 钟勇. 多级离散模糊神经网络稳定性的优化算法 . 电子科技大学学报, 2007, 36(3): 628-631.
[8]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[9]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[10]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[11]	崔炳华, 邱琪, 薛飞, 王岩柏. 多波长后向泵浦拉曼放大器优化算法研究 . 电子科技大学学报, 2003, 32(3): 296-299.
[12]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[13]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.
[14]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[15]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[16]	高源慈, 雷文强, 赵德双, 刘述章. 遗传算法对多层旋波媒质本构关系的优化 . 电子科技大学学报, 2001, 30(6): 580-584.
[17]	周小英, 王华, 姚伯威. 遗传算法在模糊控制规则优化中的实现 . 电子科技大学学报, 2000, 29(2): 161-163.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.
[20]	潘中良, 陈光. 测试图形生成的遗传算法研究 . 电子科技大学学报, 1997, 26(5): 511-514.

WeChat

点击查看大图

计量

文章访问数: 3402
HTML全文浏览量: 113
PDF下载量: 76
被引次数: 0

使用遗传算法的乳腺微钙化点特征优化

1. 北京交通大学生物医学工程系北京海淀区 100044;

2. 天津大学生物医学工程系天津南开区 300072;

3. 清华大学生物医学工程系北京海淀区 100084

基金项目:

中国博士后科学基金资助项目(2004036063)

作者简介:
王瑞平(1974-),女,副教授,主要从事生物医学信号和图像处理方面的研究.

收稿日期: 2005-03-10
刊出日期: 2007-02-15

中图分类号: TH776;TN911.73

关键词:

摘要: 乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。

English Abstract

王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化[J]. 电子科技大学学报, 2007, 36(1): 137-139,153.

引用本文:

王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化[J]. 电子科技大学学报, 2007, 36(1): 137-139,153.

WANG Rui-ping, WAN Bai-kun, GAO Shang-kai. Microcalcification Feature Selection in Mammograms Using Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(1): 137-139,153.

Citation:

WANG Rui-ping, WAN Bai-kun, GAO Shang-kai. Microcalcification Feature Selection in Mammograms Using Genetic Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(1): 137-139,153.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发