25、基于机器学习的胸部X光图像COVID - 19检测方法研究

基于机器学习的胸部X光图像COVID - 19检测方法研究

1. 基于Sigmoid函数的特征选择方法

在COVID - 19检测中，采用Sigmoid函数进行特征选择，它比传统的布尔方法具有更优的性能。在二进制解中，值为1的部分代表应选择的特征，值为0的部分对应的特征则会被移除。例如，当前代理的二进制形式为 [1, 0, 0, 1, 1] ，这表明第二个和第三个特征将被移除，而其他特征被选为相关特征。

将实数解转换为布尔解后，使用以下公式计算所选特征的质量：
[f_{sel}(t)=\beta\times\gamma+(1 - \beta)\times N_{sel}]
其中，(\gamma) 是使用KNN分类器的分类误差，(N_{sel}) 是当前代理选择的特征数量，(\beta\in[0,1]) 是一个随机值，用于平衡 (\gamma) 和所选特征。找到具有最小质量值的最佳代理 (x_{best}) 后，根据MRFO算法或DE的算子更新代理。具体通过计算每个代理在空翻觅食中的概率 (Pr_i) 来决定使用哪种算子：
[Pr_i=\frac{f_i}{\sum_{i = 1}^{N}f_i}]
若 (Pr_i<0.5)，则使用MRFO的算子更新 (x_i)；否则，使用DE的算子。达到终止条件后，第二阶段返回最佳代理 (x_{best})。在第三阶段，使用测试集评估第二阶段所选的特征，即移除不相关特征，然后使用一组指标评估分类性能。

2. 数据集介绍

使用的数据集主要来自两个方面：
- 数据集1 ：由Joseph Paul Cohe