[发明专利]一种基于约束型鲸鱼优化算法的肝癌生存预测方法

权利要求书

1.一种基于约束型鲸鱼优化算法的肝癌生存预测方法，其特征在于，包括以下步骤：

S1、数据采集和预处理：采集患者医学定性指标和医学定量指标建立数据集，并将数据集按比例分为训练集和测试集；

S2、使用约束WOA算法对数据集进行特征选取，得到最优特征组合；利用训练集建立分类模型，并利用测试集对分类模型进行验证；

S3、利用最优特征组合进行分类。

2.根据权利要求1所述的基于约束型鲸鱼优化算法的肝癌生存预测方法，其特征在于，所述约束型鲸鱼优化算法包括：

S21、环绕的猎物；

在WOA中，鲸鱼假设目标猎物是最佳的候选位置，鲸鱼向最佳的捕猎代理移动，如下所示：

X(t+1)＝Xgb(t)-A·D (1)

D＝|C·Xgb(t)-X(t)| (2)

式中，X为鲸的位置，Xgb为最佳捕猎的位置，A和C为系数向量，t为迭代次数；A和C的系数向量计算过程如下：

A＝2a₁·r₁-a₁ (3)

C＝2·r₂ (4)

其中，r₁和r₂为区间[0，1]内的两个随机向量，α₁是一个从2线性减小到0的参数；

S22、气泡网攻击；

建立收缩包围策略和螺旋更新位置策略；

S23、搜索猎物；

WOA基于参数向量A的变化进行全局搜索，当系数向量|A|＝1时，鲸鱼在收缩包围圈外进行随机搜索，并更新鲸鱼的位置，位置更新过程：

X(t+1)＝Xr-A·D (8)

D＝|C·Xr-X| (9)

其中，Xr就是从种群中随机选择的鲸鱼的位置，D表示搜索个体与Xr之间距离的绝对值；

S24、创建空间约束机制；

首先，创建一个空间池来存储最大维度比例fmax和最小维度比例fmin；

其次，创建空间池由多组最大维度比例fmax与最小维度比例fmin组成，每一组都有一个被选择的空间值；通过从空间池中随机选择几组不同的维度比例，并对它们的空间值进行比较，取空间值最小的组作为最大维度比例和最小维度比例，并将其应用到鲸鱼的最佳位置；

最小维度比例fmin计算如下：

其中，Np是空间池中fmax的总数；

再次，空间池中选择一组维度后，进行空间边界过程，通过解的特征数量是否超过最大维度和低于最小维度，调整最大维度范围和最小维度范围；

最后，更新空间值；对于每个解，总的维数等于特征个数，每个维度代表对应特征的索引；在每个解中，维数限制在[0,1]范围内；为了确定一个特征是否会被选中，使用一个0.5的静态阈值，如公式(15)所示；

其中，是维数d的第i个解，维度d属于总的维度集合，解的集合表示所选择的特征集；

S25、确定优化参数及基于特定的特征选择方法适应度函数；

采用分类错误率(CEE)作为目标函数来评价解决方案所选择的特征的性能；

S26、根据适应度函数，计算每个鲸鱼的适应度值、个体的最优位置以及所有鲸鱼的全局最优位置，并根据空间池约束条件对鲸鱼的最优位置进行调整；

S27、利用鲸鱼的迭代更新每个鲸鱼的最优位置和全局最优位置；

S28、重复步骤S22～S27，直至达到最大迭代次数；

S29、输出最优特征组合；

S3、利用最优特征组合进行分类。

3.根据权利要求2所述的基于约束型鲸鱼优化算法的肝癌生存预测方法，其特征在于：所述收缩包围策略是通过在减小a₁，将A的值设定到区间[-1,1]，可以在原位置和最佳候选位置的区间内任意定义鲸鱼的新位置。