稳定特征选择的多目标蚁群优化

为了提高进化算法特征选择稳定性,提出一种面向稳定特征选择的多目标蚁群优化方法。通过抽样策略集成三种特征排序法的输出作为多目标蚁群优化的稳定性指导信息,聚合特征的费舍尔分值和最大信息系数值作为多目标蚁群优化的启发式信息,以分类正确率和扩展昆彻瓦指标值作为两个优化目标,兼顾算法的分类性能与特征选择稳定性。在四个标准数据集上进行对比实验,结果表明,所提方法能够在分类性能与稳定性方面达到较好的平衡。

用于睡眠呼吸暂停检测的心电特征稳定性分析

基于心电信号(electrocardiogram,ECG)的睡眠呼吸暂停检测具有十分重要的意义,很多研究致力于提高检测的准确率却忽视了特征的稳定性。本研究对用于睡眠呼吸暂停检测的心电特征进行稳定性分析,并建立呼吸暂停事件检测模型。基于集成稳定特征选择策略,将最小冗余最大相关(minimal-redundancy-maximal-relevance,mRMR)特征选择方法与稳健排序聚合(robust rank aggregation,RRA)方法结合,对45个心电特征进行稳定性分析。使用10折交叉验证及支持向量机(SVM)进行特征验证及检测模型建立。最终使用14个特征建立分类模型,在独立测试集上实现Acc=90.03%,Se=86.71%,Sp=91.73%,所选特征在稳定性及检测准确率方面有明显提高。