乳腺微鈣化點(diǎn)包含眾多屬性，由于其中存在的冗余和不相關(guān)屬性降低了微鈣化點(diǎn)病變類型判別的性能。因此，特征子集選擇問(wèn)題成為微鈣化點(diǎn)病變類型識(shí)別中的重要問(wèn)題。該文針對(duì)傳統(tǒng)優(yōu)化方法用于特征選擇的種種缺陷，提出了基于遺傳算法的特征子集選擇測(cè)算法。經(jīng)乳腺微鈣化點(diǎn)特征選擇實(shí)例分析，證明該方法擁有較強(qiáng)的并行性和尋優(yōu)能力，在特征選擇領(lǐng)域有廣闊的應(yīng)用前景。
關(guān) 鍵 詞 微鈣化點(diǎn); 特征子集; 遺傳算法; 特征優(yōu)化

乳腺鉬靶X片上微鈣化點(diǎn)病變類型的判別是一個(gè)典型的模式分類問(wèn)題[1]。模式識(shí)別的任務(wù)是利用從樣本中抽取出的特征將樣本劃分為相應(yīng)的模式類別。特征向量中只有包含足夠的類別信息，才有可能通過(guò)分類器完成無(wú)差錯(cuò)的模式分類。由于難以確定特征中是否已包含足夠的類別信息，為了提高識(shí)別正確率，盡可能地增加特征數(shù)目以進(jìn)行類別識(shí)別。但受分類器規(guī)模、訓(xùn)練過(guò)程的復(fù)雜性以及計(jì)算機(jī)容量等諸多因素的制約，過(guò)于龐大的特征維數(shù)往往不能取得良好的效果，因此需要采取措施，在不降低識(shí)別效果的前提下盡量減少特征維數(shù)。為了提高識(shí)別精度，在設(shè)計(jì)分類器前，必須去除兩類冗余特征量：(1) 與分類目標(biāo)無(wú)關(guān)的特征量；(2) 與其他特征量有較高相關(guān)性的特征量，即從一組數(shù)量為D的特征中選擇出數(shù)量為d(D>d)的一組最優(yōu)特征來(lái)，使得分類錯(cuò)誤率最小。為此需要解決兩個(gè)問(wèn)題：(1) 選擇的標(biāo)準(zhǔn)，即采用何種類別可分離判據(jù)；(2) 采用何種尋優(yōu)方法來(lái)解決這一組合優(yōu)化問(wèn)題。圍繞以上兩個(gè)問(wèn)題，本文采用類內(nèi)－類間距離判據(jù)作為類別可分離判據(jù)，以遺傳算法求解最優(yōu)化的特征矢量。