改进的遗传算法在白细胞识别中的应用研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 243-245.

改进的遗传算法在白细胞识别中的应用研究

吴建斌^1,2,李太全³,田茂²

1.华中师范大学信息技术系,武汉 430079
2.武汉大学电信学院,武汉 430072
3.长江大学油气资源与勘探技术教育部重点实验室,湖北荆州 434002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 吴建斌

Research about improved genetic algorithm applied in white cell’s auto recognition

WU Jian-bin^1,2,LI Tai-quan³,TIAN Mao²

1.Department of Information Technologic,Huazhong Normal University,Wuhan 430079,China
2.School of Electronic Information,Wuhan University,Wuhan 430072,China
3.Key Laboratory of Exploration Technologies for Oil and Gas Resources,Yangtze University,Jinzhou,Hubei 434002,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: WU Jian-bin

摘要/Abstract

摘要： 针对多光谱图像数据维数高,数据量大的特点,鉴于自适应遗传算法在搜索最优解上特有的优点,提出了采用自适应遗传算法进行白细胞的特征提取,同时为了增强算法的稳定性,提高收敛速度,部分改进了原算法。在此基础上,利用选取的53个特征和二值支持向量机相结合,构造分类器,有效地解决了白细胞的分类识别问题。实验结果表明,改进后的算法具有更快的收敛速度,更好的稳定性,设计的分类器有效地提高了识别速度和精度,识别率达89.02％。

关键词: 特征选择, 遗传算法, 支持向量机, 模式识别

Abstract:

For the high-dimension data of multi-spectral microscope cell image,a white blood cell’s feature selection method based on Adaptive Genetic Algorithm（AGA） is presented in this paper.The paper improves the AGA for promoting convergence speed and high robustness.Based on selecting 53 white blood cell’s features,the paper applies the Support Vector Machines（SVM） to realize the white blood cell recognition.The result approves the way of feature selection and classification recognition is valid,the ration recognition can reach 89.02%.

Key words: feature selection, Genetic Algorithm, Support Vector Machines（SVM）, pattern recognition

吴建斌^1,2,李太全³,田茂². 改进的遗传算法在白细胞识别中的应用研究[J]. 计算机工程与应用, 2007, 43(27): 243-245.

WU Jian-bin^1,2,LI Tai-quan³,TIAN Mao². Research about improved genetic algorithm applied in white cell’s auto recognition[J]. Computer Engineering and Applications, 2007, 43(27): 243-245.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[5]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[6]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[7]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[8]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[9]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[10]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[11]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[12]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[13]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[14]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.