基于MWOA-SVM的乳腺癌识别应用

• 作者: 冯云霞 范琳琳
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 辅助诊断 改进鲸鱼优化算法 支持向量机 参数优化 分类识别
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论与算法
• 页码范围: 88-92
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903601

摘要

在乳腺癌识别方法中,支持向量机(SVM)凭借良好的精度和鲁棒性已经取得了不错的预测结果,但是SVM中惩罚系数c和核函数参数g选取的不同也会在一定程度上影响着算法的泛化精度.为了提高SVM的识别性能,提出了一种将改进鲸鱼优化算法(MWOA)和SVM结合的模型.利用MWOA迭代寻优能力对SVM参数进行调整,并以最优化的参数组合对样本数据进行分类识别.为了证明该方法的有效性,应用威斯康辛乳腺癌数据集进行实验并与现有方法进行对比.仿真结果表明,MWOA-SVM与BP神经网络、传统SVM、PSO-SVM、及WOA-SVM 4种方法相比,具备更好的识别性能.