文献

J-GLOBAL ID：202002252329439272   整理番号：20A1598394

情報利得混合近傍ラフ集合の肺腫瘍高次元特徴選択アルゴリズム【JST・京大機械翻訳】

High-Dimensional Feature Selection Algorithm for Lung Tumors Based on Informa-tion Gain and Neighborhood Rough Set

著者 (4件)： Lu Huiling (寧夏医科大学理学院,銀川,750004) ,  Zhou Tao (寧夏医科大学理学院,銀川,750004;北方民族大学計算机科学与工程学院,銀川,750021;寧夏智能信息与大数据処理重点実験室,銀川,750021) ,  Zhang Feifei (中国電信股fen有限公司寧夏分公司,銀川,750002) ,  Huo Bingqiang (北方民族大学計算机科学与工程学院,銀川,750021)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 35  号： 3  ページ： 536-548  発行年： 2020年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： Pawlakラフ集合は,冗長性属性と不相関属性の過剰が肺腫瘍診断に及ぼす影響と離散変数を扱うのにのみ適している。混合情報利得と近隣ラフ集合の肺腫瘍高次元特徴選択アルゴリズム(Informationgain-neighborhoodroughset-supportvectormachine)を提案した。IG-NRS-SVM)。最初に,3000例の肺腫瘍CT画像の104次元特徴構造決定情報テーブルを抽出し,情報利得結果を用いて高相関特徴部分集合を選択し,次に,近傍ラフ集合により高冗長性属性を削除し,2次属性縮小により最適特徴部分集合を得た。最後に,分類識別モデルを,メッシュ最適化アルゴリズムによって最適化して,肺腫瘍の良性と悪性の鑑別を,確立した。2つの角度検証法の実現可能性と有効性を縮小と分類から同定し,非縮小アルゴリズム,Pawlakラフ集合,情報利得,および近傍ラフ集合アルゴリズムと比較した。結果は,ハイブリッドアルゴリズムの精度が他の比較アルゴリズムより優れて,精度が96.17%に達して,効果的に時間複雑性を減少して,肺腫瘍コンピュータ支援診断のためのいくつかの参照価値を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  冗長性 ,  最適化手法 ,  計算機診断 ,  *特徴選択 ,  *高次元 ,  有効性 ,  *肺腫瘍 ,  *ラフ集合
準シソーラス用語： CT画像 ,  複雑性 ,  構造決定 ,  ハイブリッドアルゴリズム ,  *情報利得 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 情報利得 ,  近傍 ,  ラフ集合 ,  肺腫瘍 ,  高次元 ,  特徴選択 ,  アルゴリズム