[00248628]基于遗传算法和变精度粗糙集的PET/CT高维特征级选择方法
交易价格：
面议
所属行业：
其他医药与医疗
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201710812435.X
交易方式：
技术转让
技术转让
技术入股
联系人：
科小易
进入空间
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开了基于遗传算法和变精度粗糙集的PET/CT高维特征级选择方法，该方法一方面综合考虑了染色体编码取值、属性的最小约简数目、属性依赖度等构造一个通用的适应度函数框架，通过调节各个因素的权重系数来实现不同的适应度函数；另一方面，针对Pawlak粗糙集模型的局限性，引入了分类错误率β将Pawlak粗糙集模型中下近似的严格包含放宽为部分包含，不但完善了近似空间的概念，而且增强了处理噪声的能力，同时不断改变β的范围来实现不同的适应度函数。实验结果表明，在分类错误率一致的情况下，不同的权重系数对结果影响较大，同理，在权重系数一样的情况下，不断增大分类错误率，实验结果也有较大的差别，可根据本发明数据找到最适合本发明的参数组合。
本发明公开了基于遗传算法和变精度粗糙集的PET/CT高维特征级选择方法，该方法一方面综合考虑了染色体编码取值、属性的最小约简数目、属性依赖度等构造一个通用的适应度函数框架，通过调节各个因素的权重系数来实现不同的适应度函数；另一方面，针对Pawlak粗糙集模型的局限性，引入了分类错误率β将Pawlak粗糙集模型中下近似的严格包含放宽为部分包含，不但完善了近似空间的概念，而且增强了处理噪声的能力，同时不断改变β的范围来实现不同的适应度函数。实验结果表明，在分类错误率一致的情况下，不同的权重系数对结果影响较大，同理，在权重系数一样的情况下，不断增大分类错误率，实验结果也有较大的差别，可根据本发明数据找到最适合本发明的参数组合。
