[發(fā)明專利]一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌快速診斷方法

在審

• 申請?zhí)枺?/td>: 202110018388.8
• 申請日: 2021-01-07
• 公開（公告）號: CN112801140A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計）人: 胡雪梅;徐蔚鴻;陳沅濤
• 申請（專利權(quán)）人: 長沙理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G16H50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌快速診斷方法，其特征在于，包括步驟：

(1)對原始乳腺癌數(shù)據(jù)集進行歸一化處理得到樣本數(shù)據(jù)集；

(2)采用默認參數(shù)的XGBoost特征選擇算法對樣本數(shù)據(jù)集的特征按照特征重要性進行排序篩選，提取關(guān)鍵特征，降低樣本數(shù)據(jù)的維度，并將降維后的樣本數(shù)據(jù)集按固定比例分為訓(xùn)練樣本集和測試樣本集；

(3)采用飛蛾撲火優(yōu)化算法優(yōu)化XGBoost模型參數(shù)，確定最優(yōu)參數(shù)集，將訓(xùn)練樣本集輸入到優(yōu)化后的XGBoost模型中進行訓(xùn)練；

(4)采用10折交叉驗證方法驗證訓(xùn)練好的模型的性能，并采用運行時間、Accuracy、F1、G-Mean和AUC指標度量模型最終分類效果。

2.根據(jù)權(quán)利要求1所述的一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌診斷方法，其特征在于，

步驟(3)中飛蛾撲火優(yōu)化算法，假設(shè)飛蛾是搜索參數(shù)集的候選參數(shù)集，飛蛾是在搜索空間內(nèi)移動的搜索個體，待求參數(shù)變量是飛蛾在搜索空間的位置，飛蛾種群的矩陣表示如下：

其中，n表示飛蛾只數(shù)，設(shè)置為10，d表示待求參數(shù)變量個數(shù)，設(shè)置為9，對于這n只飛蛾假設(shè)存在對應(yīng)的一列適應(yīng)度值向量，表示如下：

火焰是到目前為止所對應(yīng)的飛蛾的最優(yōu)位置，每只飛蛾僅利用與之對應(yīng)的唯一火焰更新其自身位置，從而避免陷入局部極值情況，因此搜索空間中飛蛾位置與火焰位置是相同維度的變量矩陣，表示如下：

其中OF是火焰對應(yīng)的適應(yīng)度值向量，火焰位置及其適應(yīng)度值設(shè)置為飛蛾按適應(yīng)度值升序排序的位置及適應(yīng)度值。

3.根據(jù)權(quán)利要求1所述的一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌快速診斷方法，其特征在于，

步驟(3)中飛蛾撲火優(yōu)化算法選取XGBoost模型9個影響較大的參數(shù)，分別為學(xué)習(xí)率learning_rate、樹的棵樹n_estimators、最大樹深度max_depth、最小葉子節(jié)點權(quán)重min_child_weight、gamma值、隨機采樣比例subsample、每棵樹隨機采樣的列數(shù)的占比colsample_bytree、L1正則項的權(quán)重reg_alpha以及L2正則項的權(quán)重reg_lambda，作為飛蛾的控制變量，每只飛蛾的控制變量個數(shù)等于需要優(yōu)化的XGBoost參數(shù)個數(shù)為9。

4.根據(jù)權(quán)利要求1所述的一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌診斷方法，其特征在于，

步驟(3)中飛蛾撲火優(yōu)化算法選取XGBoost分類模型的分類錯誤率作為飛蛾的適應(yīng)度函數(shù)，錯誤率err_rate的計算方式為err_rate＝1-Accuracy。

5.根據(jù)權(quán)利要求1所述的一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌快速診斷方法，其特征在于，

步驟(3)中飛蛾撲火優(yōu)化算法，對飛蛾撲火的飛行行為進行數(shù)學(xué)建模，每只飛蛾相對火焰的位置更新機制可采用下面方程表示：

M_i＝S(M_i,F_j) (5)

S(M_i,F_j)＝D_i×e^bt×cos2πt+F_j (6)

D_i＝|F_j-M_i| (7)

其中M_i表示第i只飛蛾，F(xiàn)_j表示第j個火焰，S表示螺旋函數(shù)，D_i表示第i只飛蛾與第j個火焰之間的距離，b為所定義的對數(shù)螺旋形狀常數(shù)(設(shè)置b＝1)，路徑系數(shù)t為[-1,1]中的隨機數(shù)，螺旋函數(shù)的起始點從飛蛾開始，終點為火焰的位置，螺旋的波動范圍為參數(shù)搜索空間。

6.根據(jù)權(quán)利要求1所述的一種基于飛蛾撲火優(yōu)化算法的XGBoost乳腺癌快速診斷方法，其特征在于，

步驟(3)中飛蛾撲火優(yōu)化算法，采用自適應(yīng)機制在迭代過程中自適應(yīng)地減少火焰的數(shù)量，公式如下：

其中l(wèi)是當(dāng)前迭代次數(shù)，N是最大火焰數(shù)，設(shè)置為10，T是最大迭代次數(shù)，設(shè)置為50。