一种改进的SVM算法在乳腺癌诊断方面的应用

• 作者: 吴辰文 李长生 梁靖涵 王伟 闫光辉
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 支持向量机 特征加权 随机森林 计算机辅助诊断
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 562-566
• 页数: 5页
• 分类号: TP391.7
• 字数: 3806字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.03.023

摘要

针对计算机辅助诊断(CAD)技术在乳腺癌疾病诊断准确率的优化问题,提出了一种基于随机森林模型下Gini指标特征加权的支持向量机方法(RFG-SVM).该方法利用了随机森林模型下的Gini指数衡量各个特征对分类结果的重要性,构造具有加权特征向量核函数的支持向量机,并在乳腺癌疾病诊断方面加以应用.经理论分析和实验数据验证,相比于传统的支持向量机(SVM),该方法提升了分类预测的性能,其结果与最新的方法相比也具有一定的竞争力,而且在医疗诊断应用方面更具优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴辰文	兰州交通大学电子与信息工程学院	56	235	9.0	11.0
2	王伟	兰州交通大学电子与信息工程学院	21	125	7.0	10.0
3	闫光辉	兰州交通大学电子与信息工程学院	37	170	8.0	12.0
4	李长生	兰州交通大学电子与信息工程学院	5	52	4.0	5.0
5	梁靖涵	兰州交通大学电子与信息工程学院	5	52	4.0	5.0