买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:广东天普生化医药股份有限公司
摘要:本发明涉及肝癌生存预测技术领域,尤其涉及一种基于约束型鲸鱼优化算法的肝癌生存预测方法,包括S1、数据采集和预处理:采集患者医学定性指标和医学定量指标建立数据集,并将数据集按比例分为训练集和测试集;S2、使用约束型鲸鱼优化算法对数据集进行特征选取,得到最优特征组合;利用训练集建立分类模型,并利用测试集对分类模型进行验证;S3、利用最优特征组合进行分类。本发明针对现有技术中缺乏肝癌生存预测的方案以及WOA算法很容易出现过早收敛和局部最优的问题,提出约束型的WOA算法寻找到更有用肝癌生存特征,并利用高斯函数加权方式的KNN分类器进行分类。
主权项:1.一种基于约束型鲸鱼优化算法的肝癌生存预测方法,其特征在于,包括以下步骤:S1、数据采集和预处理:采集患者医学定性指标和医学定量指标建立数据集,并将数据集按比例分为训练集和测试集;S2、使用约束型鲸鱼优化算法对数据集进行特征选取,得到最优特征组合;利用训练集建立分类模型,并利用测试集对分类模型进行验证;所述约束型鲸鱼优化算法包括:S21、环绕的猎物;在约束型鲸鱼优化算法中,假设目标猎物是最佳的候选位置,鲸鱼向最佳的捕猎代理移动,如下所示: ;式中,X为鲸鱼的位置,Xgb为最佳捕猎的位置,A和C为系数向量,t为迭代次数;A和C的系数向量计算过程如下: ;其中,和为区间[0,1]内的两个随机向量,是一个从2线性减小到0的参数;S22、气泡网攻击;建立收缩包围策略和螺旋更新位置策略;S23、搜索猎物;约束型鲸鱼优化算法基于系数向量A的变化进行全局搜索,当系数向量|A|=1时,鲸鱼在收缩包围圈外进行随机搜索,并更新鲸鱼的位置,位置更新的计算过程如下: ;其中,Xr就是从种群中随机选择的鲸鱼的位置,D表示搜索个体与Xr之间距离的绝对值;S24、创建空间约束机制;首先,创建一个空间池来存储最大维度比例fmax和最小维度比例fmin,fmax为最大维度占总维度的比值;最小维度比例fmin计算如下: ;其中,是空间池中fmax的总数;在空间池中,一个空间值最初分配给一组fmax和fmin,空间值用来衡量这一组最大维度与最小维度的质量;空间值越低,表示集合的质量越高;所有维度比例组的初始空间值初始化为0到1;其次,空间池由多组最大维度比例fmax与最小维度比例fmin组成,每一组都有一个被选择的空间值;通过从空间池中随机选择几组不同的维度比例,并对它们的空间值进行比较,取空间值最小的组作为最大维度比例和最小维度比例,并将其应用到鲸鱼的最佳位置;再次,在空间池中选择一组维度之后,接下来是空间边界过程,对于每个解,最大维数和最小维数计算如下: ; ;其中,F为特征总数,特征总数为定性指标和定量指标之和;fix和ceil是四舍五入的两个操作符;在这个空间边界过程中需要考虑两个条件,如果解的特征数量超过最大维度,则将其调整到最大维度范围;如果解的特征数量低于最小维度,则将其调整到最小维度范围;最后,更新空间值,空间值的更新是由此次迭代之前的空间值和求解得到的适应度值的平均值来完成;对于每个解,总的维数等于特征个数,每个维度代表对应特征的索引;在每个解中,维度限制在[0,1]范围内;为了确定一个特征是否会被选中,使用一个0.5的静态阈值,如公式15所示; ;其中,是维度d的第i个解,维度d属于总的维度集合,解的集合表示所选择的特征集;S25、确定优化参数及基于特定的特征选择方法适应度函数;采用分类错误率CEE作为目标函数来评价约束型鲸鱼优化算法所选择的特征的性能,适应度函数Fit如下: ;即,适应度值=分类错误的数量样本总数;S26、根据适应度函数,计算每个鲸鱼的适应度值、个体的最优位置以及所有鲸鱼的全局最优位置,并根据空间池约束条件对鲸鱼的最优位置进行调整;S27、利用鲸鱼的迭代更新每个鲸鱼的最优位置和全局最优位置;S28、重复步骤S22~S27,直至达到最大迭代次数;S29、输出最优特征组合;S3、利用最优特征组合进行分类;所述利用最优特征组合进行分类是采用高斯函数的加权KNN分类器进行分类预测。
全文数据:
权利要求:
百度查询: 广东天普生化医药股份有限公司 一种基于约束型鲸鱼优化算法的肝癌生存预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。