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)