一种用于MRI病历属性约简的量子协同博弈实现方法

摘要

本发明公开了一种用于MRI病历属性约简的量子协同博弈实现方法，首先初始化进化种群，将MRI病历属性通过竞争协同自适应划分到不同的进化子种群中，并在各进化子种群中进行各自优秀种群精英选取；其次在MRI属性约简时将信任裕度报酬机制引入到种群精英量子协同博弈模型中，构建种群精英信任裕度效用矩阵；再次各种群精英在每个划分的MRI病历属性子集中通过量子协同博弈策略求得各自最优约简子集，从而稳定取得Nash均衡下MRI病历全局最优属性约简集；最后进行MRI属性约简性能评估，判断其属性约简精度是否满足要求。本发明能较好地克服MRI病历中存在着噪音和灰度不均匀性，具有较高的MRI病历属性约简效率、准确性和稳定性。

主权项

一种用于MRI病历属性约简的量子协同博弈实现方法，其特征在于：具体步骤如下：A、MRI病历属性约简中基于竞争协同的属性子集划分和子种群精英选取实现方法：该方法通过竞争协同机制将MRI病历属性进行子适应划分到不同的进化子种群中，并在各进化子种群中进行各自优秀种群精英Elitist_i的选取；B、MRI病历属性约简中种群精英信任裕度效用矩阵构建实现方法：将参与MRI病历属性约简的各种群精英分别分配信任裕度，构建信任裕度效用矩阵，使得各种群精英Elitist_i通过其相应信任裕度动态调整，形成稳定均衡价，保证参与属性演化约简的各种群精英效用均能达到各自最佳值；C、MRI病历属性约简中种群精英量子种群博弈策略实现方法：构建一种种群精英量子种群博弈策略进行MRI病历属性约简，通过各子种群精英Elitist_i在博弈中Nash均衡，使属性约简中各子种群精英Elitist_i的策略均是对博弈对方Elitist_j策略的最优反应，各种群精英根据相互博弈时观测到的情况将不断调整自身策略，从而最终地达到病历MRI属性演化约简的稳定态；D、种群精英量子种群博弈后，计算各进化子种群精英个体Elitist_i在各自MRI病历属性子集上所取得目标适应度函数值Fitness(Elitist_i)，取进化种群中所有精英个体在各自分配信任裕度下适应度的平均值为该种群的最优适应度值，即式中为第i个子种群精英对整个种群所有博弈精英产生的信任裕度矢量值，E、上述各子种群精英Elitist_i在MRI病历上量子协同博弈后，求出精英在其进化子种群上取最优适应度时所对应的病历MRI属性约简子集Red(C)_i，从而取得MRI病历全局最优属性约简集为F、评估求得的MRI病历全局最优属性约简集，判断其是否满足MRI属性约简精度要求，如满足，则输出MRI病历全局最优属性约简集RED_opt；不满足，则重复进行上述过程。