2024年01月29日，我校智能医学学院SIRB智能医学团队在国际计算机科学领域著名期刊《Information Fusion》（中科院一区，TOP期刊）在线发表题为“A multi-scale information fusion-based multiple correlations for unsupervised attribute selection”的研究性论文，我校张鹏飞老师为第一作者，王德贤老师和西南交通大学李天瑞教授为本文共同通信作者，必赢体育app下载,必赢体育为第一单位。

    特征选择是一种预处理技术，用于识别给定问题的关键特征。传统上，它被广泛应用于生物数据处理、金融和入侵检测系统等问题中。目前，特征选择已成功应用于医疗领域，它不仅能降低特征的维度，还有助于了解疾病的原因。

    该研究提出了一种融合多尺度信息和多个交互的无监督特征选择方法。首先，通过将多尺度信息与模糊关系相结合，建立了多尺度模糊相似关系信息系统（MsFSRIS）。 该系统可以构建数值和分类属性的形成的模糊相似性关系，同时还能集成多个尺度的信息。 在MsFSRIS中，进一步定义了多尺度模糊相关性、多尺度模糊冗余、多尺度模糊互补性和多尺度模糊交互等度量。 在这些度量基础上，构建了一种无监督特征选择算法（UAS_ MsIFMC），该算法不仅能融合多个尺度的信息，还同时考虑了已选特征、未选特征和候选特征之间的多重交互关系，有助于增强有价值特征的识别。最后，将所提的算法在物理、肿瘤、生物医学、计算机、疾病、图像等领域的公开数据集上进行实验，并与经典和最新的一些算法进行了比较，结果显示本文的方法具有一定的优越性以及模型的可解释性。

    该研究得到国家资助博士后研究人员计划B档（GZB20230092），中国博士后面上项目（2023M740383），四川省自然科学基金面上项目（24NSFSC1654）和必赢体育app下载,必赢体育科研启动经费的支持。

     全文链接：https://doi.org/10.1016/j.inffus.2024.102276

（供稿：智能医学学院）