我获取了一个总共 140 张图像的数据集,其中 100 张(50 张正常和 50 张异常)图像用于分类器训练,40 张(20 张正常和 20 张异常)图像用于测试目的。
我使用基于强度(小波变换,对称),基于形状(面积,周长圆度)和基于纹理(能量,熵,对比度,相关性,反差矩)作为特征集。现在我想使用遗传算法减少这个特征集。
在研究论文中,适应度函数为(0.05*数字)+准确度+灵敏度+特异性其中,数字是等于未选择要素数的系数。在应用于分类器之前,我将如何知道准确性、灵敏度和特异性???
首先,为每个特征分配一个编号,如下所示:
1. Energy
2. Entropy
3. Contrast
4. Circularity
5. Wavelet coefficients
6. Symmetry
7. Correlation
8. Inverse difference moment
特征子集可以表示为二进制字符串"f1 f2 f3 f4 f5 f6 f7 f8",其中fi是0
或1
,表示相应的特征包含在子集中(1
)或从子集中排除(0
)。
例如,00000101
意味着:
Energy: 0 (don't include)
Entropy: 0 (don't include)
Contrast: 0 (don't include)
Circularity: 0 (don't include)
Wavelet coefficients: 0 (don't include)
Symmetry: 1 (include)
Correlation: 0 (don't include)
Inverse difference moment: 1 (include)