基于核主成分分析支持向量机的乳腺癌辅助诊断

• 作者: 曹颖 罗文强 赵静 邓珂珂
• 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）
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP39

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。

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