共查询到20条相似文献,搜索用时 0 毫秒
1.
本文利用胶质瘤病例的特点,将数据集的胶质瘤区域分为瘤周水肿区(P)、强化肿瘤区(T)、胶质瘤区域(ALL),再对各区域提取对应的影像组学特征进行预建模特征筛选用以最终模型建立。在提取了各区域的不同图像类型的影像组学特征之后,对各区域的不同图像类型的特征进行预建模,预建模中在训练集上采用五折交叉验证。在特征筛选过程中,本文将预建模模型在验证集上AUC值前五的模型选中的特征筛选出来并做频次统计,统计出高频率出现的特征代入最终模型建立。最终共筛选出66个高频特征代入分.级模型,本文的两种胶质瘤分级模型在测试集的ROC曲线下面积(AUC)分别达到多区域预建模的模型有着较为明显的提高,对脑部胶质瘤分级研究有着一定意义。 相似文献
2.
3.
为了辅助医生规划非小细胞肺癌(Non-Small Cell Lung Cancer,NSCLC)患者治疗和复查方案,提出了一种基于CT影像组学的NSCLC预后分析方法.首先,对患者肺部CT影像中的肿瘤区域进行分割;然后,对肿瘤区域进行影像组学特征提取、优化;最后,将优化后的特征数据与患者的预后生存情况作为输入,利用机器学习的方法构建预后分析模型,预测患者的预后生存时间范围.选用124例NSCLC患者数据进行实验,以具有临床意义的3年生存期为预测界限,对患者预后生存时间范围进行预测.实验结果表明,预后分析模型的预测准确率达到91.9%,可以有效地辅助医生对非小细胞肺癌患者的预后情况进行更加精准的评估,制定出更具个性化的治疗与复查方案. 相似文献
4.
针对生物组学数据高维小样本的特点而引起的分类误差较大的问题,提出了一种带约束小生境二进制粒子群优化的集成特征选择方法。该方法利用二进制粒子群优化算法搜索分类准确率最高的特征子集,通过约束粒子编码的置位个数以限制选择特征个数,并加入多模优化中的小生境技术使算法能够一次获得多个差异度较大的特征子集,最后采用集成学习技术将基于多特征子集建立的基分类器集成为强分类器并对数据进行分类学习。实验结果表明,该特征选择方法在生物组学数据上能够稳定选择较少特征并获得较好分类性能。 相似文献
5.
6.
《电子技术与软件工程》2019,(5)
高维无标记数据的出现不仅使数据处理的时间和空间复杂度增加,同时还会使训练模型出现过拟合,因此对高维无标记数据降维变得越来越必要。特征选择是数据降维的有效方法,本文给出了几种具有代表性的无监督特征选择方法,并指出了这些算法的优缺点,为进一步研究基于无监督的特征选择提供了理论基础。 相似文献
7.
高光谱图像分类是近年来的研究热点。其数据的 高维性引发了“维度灾难”问 题。数据降维成为解决问题的关键。针对高光谱数据有标记训练样本点匮乏的特点, 提出用无监督的特征选择方法对高光谱数据进行降维。该方法能够同时保持原始高光 谱数据的判别能力和局部几何结构。为了保持判别能力,用所选特征对原始高光谱数 据进行重构,利用重构误差最小化将特征选择问题转化为优化问题。为了保持局部几 何结构,建立近邻图,并将其转化为正则项加入目标函数中。通过迭代梯度下降方法 解此优化问题,得出优选特征子集参与高光谱图像分类识别任务。在真实数据集上的 实验表明,新方法能够提高分类识别的精度。 相似文献
8.
一种基于改进K-means聚类的文本特征选择模型 总被引:1,自引:1,他引:1
介绍了文本聚类中基于划分的方法,针对该算法对孤立点的过于敏感问题,提出了一种用于特征选择的算法改进模型,通过对特征集里孤立点的剔除改善了特征聚类效果.随后的文本分类试验表明,提出的改进的算法具有较好的特征选择效果,文本分类的效率较高. 相似文献
9.
目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小. 相似文献
10.
11.
提出了一种基于特征选择和特征抽取的混合型文本特征降维方法.通过一种改进的优势率方法进行初次特征选择,将文本表示为以类别属性为行向量的矩阵形式;再使用一种改进的最大散度差特征抽取方法进行二次特征抽取.在最大限度减少信息损失的前提下实现了文本特征的二次降维.对中文文本的分类实验结果表明,提出的特征降维方法具有良好的分类效果. 相似文献
12.
13.
14.
阿尔茨海默病(AD)是一种神经退行性疾病。随着脑医学影像的发展,对AD诊断的精确度也在进一步提高,但对AD的诊断,客观上仍缺少好的生物标记。为寻找到AD的更稳定的生物标记,利用海马的影像组学特征对海马的信号强度、形状、灰度阶梯分布等特征进行刻画,通过方差分析(ANOVA)和事后检验,在统计学上寻找出正常对照(NC)、AD、轻度认知损害(MCI)之间存在差异的特征;通过与被试的简易智能状况检查(MMSE)评分进行相关性分析,找寻与MMSE评分相关性较高的特征;利用支持向量机(SVM)构建一个对AD和NC分类的模型,交叉验证得到的正确率为86%。结果表明,海马的影像组学特征是一个很好的生物标记,能对AD进行有效的早期识别。 相似文献
15.
提出一种神经网络结合分离信号对功率放大器预失真建模的方法。将输入/输出信号的线性与非线性部分分开处理,利用神经网络良好的逼近能力,采用LM算法,拟合出功率放大器特性曲线,进而建立预失真模型,使非线性功率放大器的输入/输出曲线整体呈线性化。在保证输出幅度限制和输出功率最大化的前提下,与未作信号分离的神经网络建模方法、多项式建模方法以及Saleh函数模型方法相比较,发现信号分离神经网络建模方法能得到较小的归一化均方误差和误差矢量幅度。仿真结果表明,采用信号分离神经网络对功率放大器及其预失真建模,整体线性化误差较小、精度高、效果更佳。 相似文献
16.
基于关联规则的特征选择方法 总被引:2,自引:0,他引:2
提出了一种基于关联规则的特征选择方法,在市场分析中,人们用关联规则来发掘大量数据集中项目之间的关系。关联规则的方法非常适用于图像分析中的特征选择,可以自动地选出可信度较高的特征。使用这一方法挑选合适的纹理特征用于图像分类,并对结果进行分析。 相似文献
17.
18.
19.