基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文利用核主成分分析法对乳腺癌的影响因子进行特征提取,以获取的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数分别通过粒子群算法和遗传算法进行选择优化,分别构建出KPCA-PSO-SVM模型和KPCA-GA-SVM模型,对乳腺肿块是否为恶性进行二分类。实验结果显示:KPCA-PSO-SVM模型和KPCA-GA-SVM模型相比PSO-SVM模型和GA-SVM模型在分类准确率方面和运行速度方面均有所提高,表明核主成分分析支持向量机可以用于乳腺癌疾病的辅助诊断,可以为医疗机构对乳腺癌疾病的诊断提供有力的决策支持。
推荐文章
面向乳腺癌辅助诊断的改进支持向量机方法
机器学习
支持向量机
乳腺癌
辅助诊断
分类
基于主成分分析和支持向量机的参数费用模型
主成分分析
支持向量机
参数费用模型
神经网络
基于主成分分析和支持向量机的作战飞机效能评估
主成分分析
支持向量机
效能
神经网络
基于主成分分析和支持向量机的飞参阶段划分研究
飞参
主成分分析
支持向量机
阶段划分
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于核主成分分析支持向量机的乳腺癌辅助诊断
来源期刊 数据挖掘 学科 工学
关键词 支持向量机 核主成分分析 辅助诊断 分类
年,卷(期) 2018,(3) 所属期刊栏目
研究方向 页码范围 89-95
页数 7页 分类号 TP39
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵静 20 150 5.0 12.0
2 罗文强 33 516 11.0 22.0
3 曹颖 7 6 1.0 2.0
4 邓珂珂 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
核主成分分析
辅助诊断
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据挖掘
季刊
2163-145X
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
140
总下载数(次)
1
论文1v1指导