自适应特征选择算法

帕金森早诊新法

该算法与现有特征选择方法不同，采用自适应相似度矩阵更新和灵活映射策略，能更好地处理神经影像数据中的冗余特征与高维问题。

黄中伟 · Jianqiang, Li · Jiatao, Yang · 万俊 · 陈建峡 · 杨智 · 72102793 · Zhou, Ran · 甘海涛

Engineering Applications of Artificial Intelligence 2025

参数信息

准确率

83.29 %

准确率

87.67 %

准确率

85.16 %

准确率

79.70 %

准确率

96.79 %

准确率

96.95 %

准确率

91.33 %

准确率

70.10 %

技术优势

自动选特征

算法在迭代中自适应更新相似度矩阵并挑选信息性特征，避免了人工筛选的繁琐。

突破线性局限

引入灵活映射，克服了严格线性映射的限制，能更有效地处理复杂数据。

收敛有保证

提出了交替迭代算法并给出严格收敛的理论证明，确保求解过程可靠。

整体性能更优

在多个数据集和对比组上均优于现有特征选择方法，适用于不同时间点的数据。

应用场景

• 帕金森病诊断：提供高精度分类模型，辅助医生早期识别帕金森病。
• 神经影像分析：有效处理高维神经影像数据，降低计算负担并提升分析精度。
• 高维特征选择：自动筛选关键特征，避免过拟合并提高模型泛化能力。