使用遺傳算法的特徵選擇

-3

我已經拍攝了總共140幅圖像的數據集，其中100幅（50幅正常和50幅異常）圖像用於訓練分類器，40幅（20幅正常和20幅異常）圖像用於測試目的。我已經使用基於強度的（小波變換，對稱性），基於形狀（面積，周長圓形度）和基於紋理（能量，熵，對比度，相關，逆差矩）作爲特徵組。現在我想用遺傳算法來減少這個特徵集。使用遺傳算法的特徵選擇

在研究論文中，適應度函數的形式爲（0.05 * number）+準確度+靈敏度+特異性其中number是一個等於未選擇特徵數量的係數。如何在應用分類器之前知道準確性，靈敏度和特異性？

來源

2014-11-25 Purti Choudhary

請重新討論這個問題，因爲我已經變得更加具體的問題我 – 2014-11-26 19:29:51

首先，你分配一個號碼的所有功能，比如：

1. Energy 
2. Entropy 
3. Contrast 
4. Circularity 
5. Wavelet coefficients 
6. Symmetry 
7. Correlation 
8. Inverse difference moment

的功能子集可以表示爲二進制字符串「F1 F2 F3 F4 F5 F6 F7 F8」，其中Fi是一個0或1 ，表示從子集中包含（1）或排除（0）對應的功能。

例如，00000101將意味着：

Energy: 0 (don't include) 
Entropy: 0 (don't include) 
Contrast: 0 (don't include) 
Circularity: 0 (don't include) 
Wavelet coefficients: 0 (don't include) 
Symmetry: 1 (include) 
Correlation: 0 (don't include) 
Inverse difference moment: 1 (include)

來源

2014-11-25 09:52:16 jgroenen

了你的觀點..但這樣我有多少字符串考慮..我做必須檢查所有字符串的適應度函數值？ – 2014-11-25 10:00:12

不，這就是遺傳算法的起點。你初始化一個隨機串的總體（比如說10個人），然後迭代進化：重組和變異，選擇。直到你得到足夠好的東西（停止/停止標準）。 – jgroenen 2014-11-25 13:59:56

好吧..但在最後也停止標準符合，我將有一個人口規模爲10 ..所以哪個字符串將被選爲最終功能集之一？如何選擇適應度函數？ – 2014-11-25 14:15:27

使用遺傳算法的特徵選擇

回答

相關問題