2024年01月29日，我校智能醫(yī)學(xué)學(xué)院SIRB智能醫(yī)學(xué)團(tuán)隊(duì)在國(guó)際計(jì)算機(jī)科學(xué)領(lǐng)域著名期刊《Information Fusion》（中科院一區(qū)，TOP期刊）在線發(fā)表題為“A multi-scale information fusion-based multiple correlations for unsupervised attribute selection”的研究性論文，我校張鵬飛老師為第一作者，王德賢老師和西南交通大學(xué)李天瑞教授為本文共同通信作者，成都中醫(yī)藥大學(xué)為第一單位。
特征選擇是一種預(yù)處理技術(shù)，用于識(shí)別給定問題的關(guān)鍵特征。傳統(tǒng)上，它被廣泛應(yīng)用于生物數(shù)據(jù)處理、金融和入侵檢測(cè)系統(tǒng)等問題中。目前，特征選擇已成功應(yīng)用于醫(yī)療領(lǐng)域，它不僅能降低特征的維度，還有助于了解疾病的原因。
該研究提出了一種融合多尺度信息和多個(gè)交互的無監(jiān)督特征選擇方法。首先，通過將多尺度信息與模糊關(guān)系相結(jié)合，建立了多尺度模糊相似關(guān)系信息系統(tǒng)（MsFSRIS）。 該系統(tǒng)可以構(gòu)建數(shù)值和分類屬性的形成的模糊相似性關(guān)系，同時(shí)還能集成多個(gè)尺度的信息。 在MsFSRIS中，進(jìn)一步定義了多尺度模糊相關(guān)性、多尺度模糊冗余、多尺度模糊互補(bǔ)性和多尺度模糊交互等度量。 在這些度量基礎(chǔ)上，構(gòu)建了一種無監(jiān)督特征選擇算法（UAS_ MsIFMC），該算法不僅能融合多個(gè)尺度的信息，還同時(shí)考慮了已選特征、未選特征和候選特征之間的多重交互關(guān)系，有助于增強(qiáng)有價(jià)值特征的識(shí)別。最后，將所提的算法在物理、腫瘤、生物醫(yī)學(xué)、計(jì)算機(jī)、疾病、圖像等領(lǐng)域的公開數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，并與經(jīng)典和最新的一些算法進(jìn)行了比較，結(jié)果顯示本文的方法具有一定的優(yōu)越性以及模型的可解釋性。
該研究得到國(guó)家資助博士后研究人員計(jì)劃B檔（GZB20230092），中國(guó)博士后面上項(xiàng)目（2023M740383），四川省自然科學(xué)基金面上項(xiàng)目（24NSFSC1654）和成都中醫(yī)藥大學(xué)科研啟動(dòng)經(jīng)費(fèi)的支持。
全文鏈接：https://doi.org/10.1016/j.inffus.2024.102276
（供稿：智能醫(yī)學(xué)學(xué)院）