第５１卷第５期陕西师范大学学报(自然科学版)Vol．５１No．５２０２３年９月JournalofShaanxiNormalUniversity(NaturalScienceEdition)Sep．,２０２３■生物医学大数据专题引用格式:王逸豪,黄敬英,范勤勤．基于因果模型和多模态多目标优化的两阶段特征选择方法[J]．陕西师范大学学报(自然科学版),２０２３,５１(５):２５Ｇ３４．[WANGYH,HUANGJY,FANQQ．AtwoＧstagefeatureselectionmethodbasedoncausalmodelandmultimodalmultiＧobjectiveoptimization[J]．JournalofShaanxiNormalUniversity(NaturalScienceEdition),２０２３,５１(５):２５Ｇ３４．]DOI:１０．１５９８３/j．cnki．jsnu．２０２３０２３收稿日期:２０２２Ｇ０５Ｇ１１基金项目:上海市浦江人才计划(２２PJD０３０);国家自然科学基金山东联合基金(U２００６２２８)∗通信作者:范勤勤,男,副教授,博士生导师,主要从事多目标优化、机器学习方面的研究.EＧmail:forever１２３fan＠１６３．com基于因果模型和多模态多目标优化的两阶段特征选择方法王逸豪１,黄敬英２,范勤勤１∗(１上海海事大学物流研究中心,上海２０１３０６;２浙江大学医学院附属邵逸夫医院麻醉恢复室,浙江杭州３１００２０)摘要:特征选择中特征数量和分类精度之间的关系通常可以看作是一个多模态多目标优化问题,但现有大多数多模态多目标进化算法对于高维优化问题的求解存在搜索能力不足的问题.为解决该问题,提出一种基于因果模型和多模态多目标进化算法的两阶段特征选择方法.在该方法中,首先使用因果模型对数据进行特征选择以便降低问题维度;然后使用多模态多目标优化算法搜索具有多模态特性的特征子集.为验证所提算法性能,它被用于术中低体温风险预测模型的特征选择问题.实验结果表明,提出的两阶段特征选择方法不仅融合了２种不同方法的优点,而且能为术中低体温预测提供更多决策支持.关键词:因果模型;多模态多目标优化;特征选择;术中低体温;进化计算中图分类号:TP３０１文献标志码:A文章编号:１６７２Ｇ４２９１(２０２３)０５Ｇ００２５Ｇ１０AtwoＧstagefeatureselectionmethodbasedoncausalmodelandmultimodalmultiＧobjectiveoptimizationWANGYihao１,HUANGJingying２,FANQinqin１∗(１LogisticsResearchCenter,ShanghaiMaritimeUniversity,Shanghai２０１３０６,China;２PostanesthesiaCareUnit,SirRunRunShawHospital,ZhejiangUniversitySchoolofMedicine,Hangzhou３１００２０,Zhejiang,China)Abstract:There...
