基于软集的肺癌图像特征选择方法
机器学习
2012-12-24 v1 计算工程、金融与科学
摘要
肺癌是男性和女性中致死率最高的癌症类型。特征选择在癌症分类中起着至关重要的作用。本文利用软集理论研究计算机断层扫描 (CT) 肺癌图像中的特征选择过程。我们提出了一种新的基于软集的无监督特征选择算法。使用灰度共生矩阵 (GLCM) 和灰度差分矩阵 (GLDM) 从分割后的肺部图像中提取了十九个特征。本文提出了一种高效的基于软集的无监督快速归约 (SSUSQR) 算法。该方法用于从数据集中选择特征，并与现有的基于粗糙集的无监督特征选择方法进行了比较。随后使用 K-Means 和自组织映射 (SOM) 聚类算法对数据进行聚类。特征选择算法的性能基于聚类技术的性能进行评估。结果表明，所提出的方法能有效去除冗余特征。
引用
@article{arxiv.1212.5391,
title = {Soft Set Based Feature Selection Approach for Lung Cancer Images},
author = {G. Jothi and H. Hannah Inbarani},
journal= {arXiv preprint arXiv:1212.5391},
year = {2012}
}
备注
7 pages, IJSER Vol.3 Issue . 10 Oct 2012