-
公开(公告)号:CN119252491A
公开(公告)日:2025-01-03
申请号:CN202411440879.1
申请日:2024-10-15
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G16H50/50 , G16H50/70 , G06F18/2415 , G06N7/01
Abstract: 本发明公开了一种适用于不可度量医学数据的特征选择方法。本发明适用于辅助医学诊断和模式识别相关领域中的不可度量数据处理及分类。本方法能够在不引入噪声的前提下,快速准确的剔除不可度量数据中的冗余信息,从而保留相关的重要特征。本方法的主要步骤为:(1)对数据进行预处理;(2)生成已有样本的先验概率;(3)建立目标样本的识别模型;(4)给出识别模型对应的目标函数;(5)用等价的优化问题表示目标函数;(6)对优化问题求解;(7)模型可解释性分析;(8)模型效果及评估。该方法利用了数据本身的概率信息进行特征选择,避免了人为的对数据添加额外的错误信息,能够从大规模不可度量数据中选择出重要的特征。