当前位置: 首页 > 科技成果列表 > 科技成果详细

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

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2017-09-11

专利所属地 :中国

专利号:CN201710812435.X

应用领域:医药制造业

技术领域:生物与新医药

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

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。该方法具有以下特点:

  1. 综合考虑了染色体编码取值、属性的最小约简数目、属性依赖度等因素,构造了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,可以实现不同的适应度函数。

  2. 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。这一改进不仅完善了近似空间的概念,而且增强了处理噪声的能力。

  3. 通过不断改变β的范围,可以实现不同的适应度函数。

实验结果表明:

  1. 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。

  2. 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。

根据本发明,可以找到最适合本发明的参数组合。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 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
专利状态 - 专利号(申请号) CN201710812435.X
申请号 - 专利申请日期 2017-09-11
专利授权日期 2018-02-09 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 周涛;陆惠玲;王媛媛;师宏斌
权利人 -
专利摘要 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。
成果评价分析
技术应用分析
服务案例
Baidu
map