技術(shù)特征：

1.一種基于BFBA和ELM的乳腺X射線圖像特征選擇方法，其特征在于，包括以下步驟：

第一步，收集所用數(shù)據(jù)集MIAS，即the Mammographic Image Analysis Society，提取乳腺X光圖像特征，并將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，訓(xùn)練集用于訓(xùn)練極限學(xué)習(xí)機(jī)ELM，即Extreme Learning Machine，以設(shè)計(jì)ELM分類(lèi)器，測(cè)試集用于檢驗(yàn)ELM分類(lèi)器的有效性；

所述提取乳腺X光圖像特征采用的方法是灰度共生矩陣，提取四種統(tǒng)計(jì)參數(shù)：角二階矩、熵、慣性矩、相關(guān)系數(shù)，灰度共生矩陣的方向取0°，45°，90°，135°四個(gè)方向；首先計(jì)算四個(gè)方向上的灰度共生矩陣，取像素間距離為1，其次由每個(gè)灰度共生矩陣計(jì)算四個(gè)統(tǒng)計(jì)參數(shù)；把每幅圖像分成四塊，對(duì)每塊子圖像提取上述16個(gè)特征作為原始樣本數(shù)據(jù)，共獲得64個(gè)統(tǒng)計(jì)特征；特征提取所得的樣本數(shù)據(jù)庫(kù)分成10份，選擇其中90％做訓(xùn)練，其余10％做測(cè)試；

第二步，設(shè)置BFBA參數(shù)；

初始參數(shù)包括蝙蝠群體大小20≤N≤100，每個(gè)蝙蝠個(gè)體的維數(shù)D＝64，脈沖音量A＝0.5，脈沖率R＝0.5，搜索脈沖頻率范圍[Q_min,Q_max]，其中Q_min＝0，Q_max＝2，最大迭代次數(shù)iter_max＝1000，停滯計(jì)數(shù)器stagnant_count＝0，最大停滯次數(shù)stagnant_max＝4；

第三步，蝙蝠種群初始化，蝙蝠位置向量由第一步給出的64個(gè)統(tǒng)計(jì)特征組成，使用二進(jìn)制編碼標(biāo)記特征組合并隨機(jī)初始化蝙蝠個(gè)體位置及速度，形成樣本集；

蝙蝠位置編碼采用二進(jìn)制，原始特征有64個(gè)，即個(gè)體的長(zhǎng)度L＝64，個(gè)體的每一個(gè)基因?qū)?yīng)相應(yīng)次序的特征，即當(dāng)個(gè)體中的某一個(gè)基因?yàn)椤?”時(shí)，表示該基因?qū)?yīng)的特征項(xiàng)被選用；反之，為“0”時(shí)，表示該特征項(xiàng)未被選用。使用X＝{x₁，x₂，x₃……x_i……x_N}表示蝙蝠群體的位置，使用V＝{v₁，v₂，v₃……v_i……v_N}表示速度，其中x_i表示第i個(gè)蝙蝠個(gè)體的位置，v_i表示第i個(gè)蝙蝠個(gè)體的速度，x_i和v_i是64維的行向量，一共有N個(gè)蝙蝠個(gè)體，20≤N≤100。

基因值隨機(jī)產(chǎn)生的公式為：

$x_i=\left\{\begin{array}{cc}0& rand\left(\right)\<0.5\\ 1& rand\left(\right)\≥0.5\end{array}\right.---\left(9\right)$

式中，rand()為[0，1]區(qū)間獨(dú)立同分布的隨機(jī)數(shù)；

第四步、根據(jù)每個(gè)蝙蝠位置編碼生成相應(yīng)的特征子集，使用該特征子集生成訓(xùn)練集和測(cè)試集，訓(xùn)練集用于設(shè)計(jì)ELM分類(lèi)器，測(cè)試集用于測(cè)試分類(lèi)器，根據(jù)測(cè)試結(jié)果計(jì)算相應(yīng)蝙蝠的適應(yīng)度值fit_i；

適應(yīng)度值的計(jì)算過(guò)程如下：

${\mathrm{fit}}_i={\mathrm{acc}}_i\×{\mathrm{\ω}}_A+\[1-\frac{\underset{j=1}{\overset{L}{\Σ}}{f}_j}{L}\]\×{\mathrm{\ω}}_F---\left(10\right)$

其中，

式中，ω_A式表示分類(lèi)準(zhǔn)確權(quán)值，ω_F表示特征選擇數(shù)權(quán)值，f_j表示基因的特征值：0或1，acc_i表示分類(lèi)準(zhǔn)確率，cc表示正確分類(lèi)數(shù)，uc表示不正確分類(lèi)數(shù)；

第五步、更新每一個(gè)蝙蝠的搜索脈沖頻率、速度和位置；

搜索脈沖頻率、速度和位置通過(guò)以下公式進(jìn)行更新：

Q_i＝Q_min+(Q_max-Q_min)×β (11)

v_i(t)＝v_i(t-1)+(x_i(t)-x_best)×Q_i (12)

x_i(t)＝x_i(t-1)+v_i(t) (13)

式中：β屬于[0，1]，是均勻分布的隨機(jī)數(shù)；Q_i是蝙蝠i的搜索脈沖頻率，Q_i屬于[Q_min,Q_max]；v_i(t)、v_i(t-1)分別表示蝙蝠i在t和t-1時(shí)刻的速度；x_i(t)、x_i(t-1)分別表示蝙蝠i在t和t-1時(shí)刻的位置；x_best表示當(dāng)前所有蝙蝠的最優(yōu)解；

第六步、生成均勻分布隨機(jī)數(shù)rand，如果rand>R，R為第二步中所述的脈沖率，則對(duì)當(dāng)前最優(yōu)解進(jìn)行隨機(jī)擾動(dòng)，產(chǎn)生一個(gè)新的解：

x_new＝x_best+0.001×randn(1，64)； (14)

其中，x_new表示新產(chǎn)生的新解，x_best表示當(dāng)時(shí)最優(yōu)解。

第七步、生成均勻分布隨機(jī)數(shù)rand，如果rand符合rand<A且fit(x_i(t))<fit(x_i(t-1))，A為第二步中所述的脈沖音量，則接受步驟六產(chǎn)生的新解：

x_i(t)＝x_new (15)

其中，fit(x_i(t))表示求個(gè)體x_i的適應(yīng)度值，x_new表示第六步產(chǎn)生的新解；

如果rand不符合上述條件，則跳過(guò)此步，進(jìn)入下一步；

第八步、對(duì)所有蝙蝠的適應(yīng)度值進(jìn)行排序，找出當(dāng)前的最優(yōu)解和最優(yōu)值；

第九步、判斷最優(yōu)解是否發(fā)生了變化，如果沒(méi)有發(fā)生變化，則

stagnant_count＝stagnant_count+1，否則，stagnant_count＝0

其中stagnant_count為第二步中所述的停滯計(jì)數(shù)器；

第十步、判斷stagnant_count是否等于stagnant_max，如果相等，則所有的蝙蝠發(fā)生群體響應(yīng)；

即如果經(jīng)過(guò)一定次數(shù)的迭代，最佳全局適應(yīng)值不再發(fā)生變化，則發(fā)生鳥(niǎo)類(lèi)群體響應(yīng)的重新定位，使用公式(16)和(17)來(lái)重新更新每個(gè)蝙蝠的速度和位置，在公式(16)中，是蝙蝠經(jīng)過(guò)群體響應(yīng)重新定位之后的新位置，新位置通過(guò)計(jì)算它的七個(gè)最近鄰近對(duì)象的位置平均值獲得，的最近鄰近蝙蝠即和其它蝙蝠的最小歐氏距離，rand_x是[-1,1]區(qū)間的一個(gè)隨機(jī)實(shí)數(shù)，在公式(17)中，是蝙蝠經(jīng)過(guò)速度調(diào)整后的新速度，是蝙蝠原來(lái)的速度，新速度通過(guò)計(jì)算它的七個(gè)最近鄰近蝙蝠的速度平均值獲得，rand_v是[0,1]區(qū)間的一個(gè)隨機(jī)實(shí)數(shù)，N_i包含的七個(gè)鄰近蝙蝠的索引值；

第十一步、重復(fù)第四步到第十步直至滿足設(shè)定的最優(yōu)解條件或者達(dá)到最大迭代次數(shù)；

第十二步、輸出全局最優(yōu)值和最優(yōu)解。

2.根據(jù)權(quán)利要求1所述的一種基于BFBA和ELM的乳腺X射線圖像特征選擇方法，其特征在于：所述第一步中，數(shù)據(jù)集MIAS，是研究乳腺X光圖像的標(biāo)準(zhǔn)數(shù)據(jù)集，圖像均為1024×1024的灰度圖。