基于roughset的高维特征选择混合遗传算法研究

遗传算法是求解粗糙集最小约简这个np-hard问题的一种有效方法，适应度函数的构造是其中的关键问题。针对这个问题，提出一个基于粗糙集的高维特征选择混合遗传算法(hga-rs)，算法从粗糙集的代数和信息熵两个角度出发，综合考虑约简集中属性的数目、染色体编码、基因取值、属性重要度、属性依赖度、属性相关度等因素，提出一个通用的适应度函数混合构造框架，通过调节各个因素的权重系数来实现不同适应度函数。最后通过提取mri前列腺肿瘤roi的102维特征构建前列腺肿瘤患者的决策信息表，通过4组实验对高维特征进行选择，并用神经网络对约简后的样本集进行识别来验证不同参数对识别精度的影响程度，实验结果表明算法是有效的，但是不同参数对结果影响较大，针对不同的问题，应该采用合适的参数组合，以得到较好的识别精度。