改进的随机森林算法在乳腺肿瘤诊断中的应用

• 作者: 单文英 王平
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 乳腺肿瘤 诊断 代价敏感 不平衡分类 随机森林 ROC曲线
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法
• 页码范围: 252-257,264
• 页数: 7页
• 分类号: TP391
• 字数: 7231字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.04.059

摘要

为了解决乳腺肿瘤诊断中误差代价敏感的不平衡分类问题,提出一种改进的随机森林算法的乳腺肿瘤诊断模型.首先,在随机森林算法的基础上,将良恶乳腺肿瘤样本的诊断性能分开考虑,利用随机森林的泛化误差上界相关因素推导出ROC曲线的查全率(TPR)和误警率(FPR)的上界值.给出针对特定类别优化分类性能的基准,绘制出不同决策阈值下的TPR和FPR值的ROC曲线,调整平均关联度,再次训练,依据ROC曲线性能,确定最优平均关联度的诊断模型.最后,将该改进的随机森林算法与传统方法的诊断性能进行对比.实验结果证明,提出的方法模型在保证整体的诊断性能的前提下,对于提高恶性肿瘤的识别能力具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王平	南昌大学信息工程学院	26	137	7.0	10.0
2	单文英	南昌大学信息工程学院	1	9	1.0	1.0