利用膜粒子群优化和信息熵的医学文本特征选择

豆增发; 高琳

您当前的位置：

首页 >

文章列表页 >

利用膜粒子群优化和信息熵的医学文本特征选择

更新时间：2025-07-09

- 利用膜粒子群优化和信息熵的医学文本特征选择
- Feature Selection of Biomedical Literature by Membrane Particle Swarm Optimizer and Information Entropy
- 西安交通大学学报 2012年46卷第4期页码：45-51
- 作者机构：
  
  西安电子科技大学计算机学院,西安,710071
- 作者简介：
- 基金信息：
  
  : 2011-07-03. 作者简介: 豆增发(1979-),男,博士生;高琳(通信作者),女,教授,博士生导师. 基金项目: 国家自然科学基金重点资助项目(60933009);高等学校博士学科点专项科研基金资助项目(200807010013);国家自然科学基金资助项目(60970065)
- DOI：
  中图分类号： TP301
- 网络首发：2012-04-10，
  
  纸质出版：2012
- 稿件说明：
移动端阅览
豆增发, 高琳. 利用膜粒子群优化和信息熵的医学文本特征选择[J]. 西安交通大学学报, 2012,46(4):45-51.

Feature Selection of Biomedical Literature by Membrane Particle Swarm Optimizer and Information Entropy[J]. 2012, 46(4): 45-51.
豆增发, 高琳. 利用膜粒子群优化和信息熵的医学文本特征选择[J]. 西安交通大学学报, 2012,46(4):45-51. DOI：

Feature Selection of Biomedical Literature by Membrane Particle Swarm Optimizer and Information Entropy[J]. 2012, 46(4): 45-51. DOI：

摘要

针对生物医学文本挖掘中有效特征选择困难的问题

提出了一种新的基于膜粒子群优化和信息熵的文本特征选择方法.该方法以文本信息熵总和为目标函数

以膜系统的层次结构作为框架

以膜系统的消息传递机制作为进化方向

以粒子群优化进化作为进化规则.作为进化规则的粒子群优化算法

分别以局部搜索速率和全局搜索速率搜索得到文本信息熵最大的解

并在不同膜区域之间传递搜索结果

直到膜区域之间的消息传递结束或者达到限定的迭代次数.实验结果表明

利用提出的方法对医学文本特征进行选择后

对其进行分类

能使分类精确度和召回率分别提高2%和3%左右.

Abstract

To select the effective features of biomedical literature

a novel particle swarm optimizer based on membrane system is proposed. This scheme utilizes total text information entropy as the fitness function

employs the structure of membrane system as the frame

sets mechanism of message transferring as the propagation direction

and considers particle swarm optimizer as the iteration rule. The particle swarm optimizer searches the best solution maximizing the total text information entropy at local and global searching rates simultaneously

and exchanges solutions between membrane regions till the communication between regions stops or iteration reaches the limit times. The experiment shows that feature selection by the scheme improves the precession and heightens the classification recall of biomedical literature by 2% and 3%.

关键词

Keywords

references

PAUN G. Computing with membranes [J]. Journal of Computer and System Sciences, 2000, 61(1): 108-143.

PAUN G, ROZENBERG G. A guide to membrane computing [J]. Theoretical Computer Science, 2002, 287(1): 73-100.

张葛祥,潘林强.自然计算的新分支: 膜计算[J]. 计算机学报,2010, 33(2): 208-214.

ZHANG Gexiang, PAN Linqiang. A survey of membrane computing as a new branch of natural computing [J].Chinese Journal of Computers, 2010, 33(2):208-214.

黄亮. 膜计算优化方法研究[D].杭州: 浙江大学,2007.

KENNEDY J, EBERHART R. Particle swarm optimization[C]∥Proceedings of the Fourth IEEE International Conference on Neural Networks. Piscataway, NJ, USA: IEEE,1995: 1942-1948.

EBERHART R, KENNEDY J. A new optimizer using particle swarm theory [C]∥Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Piscataway,NJ, USA: IEEE, 1995:39-43.

NISHIDA T Y.An application of P system:a new algorithm for np-complete optimization problems[C]∥Proceedings of the 8th World Multi-Conference on Systemics, Cybemetics and Informatics. Orlando, FL, USA: Int. Inst. of Informatics and Systemics, 2004: 109-112.

朱虎明,焦李成. 基于免疫记忆克隆的特征选择[J]. 西安交通大学学报, 2008, 42(6): 679-682.

ZHU Huming, JIAO Licheng. Feature selection via immune memory clone [J]. Journal of Xi'an Jiaotong University, 2008, 42(6):679-682.

YANG Yiming, PEDERSON J O. A comparative study on feature selection in text categorization [C]∥Proceedings of the Fourteenth International Conference on Machine Learning. San Francisco, USA: Morgan Kaufmann,1997:412-42.

WONG J W T, KAN W K, YOUNG G. Action: automatic classification for full-text documents [J]. SIGIR Forum 30, 1996, 30(1): 26-41.

SCOTT S, MATWIN S. Feature engineering for text classification[C]∥Proceedings of 16th International Conference on Machine Learning. San Francisco, USA: Morgan Kaufmann, 1999:379-388.

TAIRA H, HARUNO M. Feature selection in SVM text categorization [C]∥Proceedings of 16th Conference of the American Association for Artificial Intelligence. Piscataway, NJ, USA: IEEE, 1999:480-486.

应用粒子群优化-条件随机域的文本生物实体识别. 2010,44(12):38- 42.

采用矩谐分析和支持向量机的地磁导航基准图构建方法. 2010,44(10):47- 51.

柔性测量臂运动学建模及参数标定方法. 2010,44(8):122- 126.

结合分割逼近和粒子群法的燃气轮机叶片轮廓度误差计算. 2010,44(7):42- 45.

利用粒子群优化的人脸特征提取识别算法. 2010,44(4):48- 51.

系统辨识的粒子群优化方法. 2009,43(2):116- 120.

一种医学X射线图像动态范围扩展方法. 2008,42(12):1468- 1471.

一种基于种群熵的混沌小世界优化算法. 2008,42(9):1137- 1141.

CT模体投影解析计算及其在射束硬化校正中的应用. 2008,42(6):664- 668.

离散粒子群优化在垂直分层空时系统检测中的应用. 2008,42(2):166- 170.

结合对比度塔和克隆选择加权Wedgelets的图像融合. 2007,41(10):1170- 1174.

医学可视化网格平台的设计与实现. 2007,41(8):1000- 1002.

发射调频信号提高医学超声图像的信号噪声比. 2007,41(6):741- 745.

改进粒子群算法及其在超导电缆参数优化中的应用. 2007,41(2):219- 222.

粒子群优化算法的惯性权值递减策略研究. 2006,40(1):53- 56.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于免疫记忆克隆的特征选择

面向移动节点不确定性特征的自组网路由协议

应用粒子群优化-条件随机域的文本生物实体识别

结合交叠区异点统计和相关分析的免疫克隆特征选择方法

采用邻域决策分辨率的特征选择算法