1、隨著數(shù)字化信息的發(fā)展，圖像處理技術(shù)已逐漸被應(yīng)用到計(jì)算機(jī)輔助診斷技術(shù)(Computer-aided Diagnosis，CAD)上來。所謂計(jì)算機(jī)輔助診斷就是指利用計(jì)算機(jī)將影像數(shù)字化，應(yīng)用數(shù)字圖像處理技術(shù)對(duì)圖片進(jìn)行一系列的處理，從而為醫(yī)生提供容易辨別的病體，將醫(yī)生從煩瑣、機(jī)械的分類問題中解救出來，減少誤診，達(dá)到提高診斷正確率的目的。在CAD技術(shù)的機(jī)器學(xué)習(xí)優(yōu)化過程中，包括醫(yī)學(xué)圖像的良惡性診斷等，對(duì)醫(yī)學(xué)圖像一系列圖像特征的處理是其中的關(guān)鍵，而特

2、征選擇問題作為一個(gè)典型的全局尋優(yōu)問題，是最重要環(huán)節(jié)之一。
　　 本論文引入群體智能計(jì)算的方法，對(duì)特征選擇展開研究。選擇了LevyFS和PSO兩種方法，并根據(jù)各自的特點(diǎn)設(shè)計(jì)了一組適合特征選擇的方法。
　　 基于Levy flight的LevyFS算法在尋優(yōu)過程中定義了基于啟發(fā)式的分階段搜索策略，同時(shí)在局部搜索行為中引入Levy flight隨機(jī)過程，將Levy flight距離與搜索行為進(jìn)行映射。在不同的搜索階段，利用不同

3、的映射區(qū)間改變搜索行為出現(xiàn)的概率，并以此映射來控制局部搜索行為的方向和速度，從而避免了陷入局部最優(yōu)的問題。實(shí)驗(yàn)結(jié)果表明，LevyFS算法克服了啟發(fā)式特征選擇方法的局限性，平均耗時(shí)僅為SFFS算法的1/3左右。
　　 基于粒子群的BPSO算法借鑒了粒子群算法對(duì)全局最優(yōu)和個(gè)人最優(yōu)的速度結(jié)合方式，提出了利用概率調(diào)整來控制粒子運(yùn)動(dòng)，從而在特征組合子集尋優(yōu)過程中引入群體智能中的社會(huì)共享和認(rèn)知能力。
　　 最后，本論文嘗試將兩種方法