改进粒子群算法优化的SVM在恶性肿瘤诊断中的应用

• 作者: 张雷 曾悦 杨萌宇
• 来源期刊: 现代电子技术
• 关键词: DPSO-SVM诊断模型 恶性肿瘤诊断 支持向量机 动态粒子群优化算法 惯性权重 算法改进
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 110-114,118
• 页数: 6页
• 分类号: TN911.1-34|TP391.9
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.15.026

摘要

为了提升恶性肿瘤的诊断效率及精准度,基于动态粒子群优化(DPSO)算法和支持向量机提出了DPSO-SVM诊断模型.DPSO在PSO的基础上结合GridSearch,GA等算法对惯性权重的取值以及种群迭代更新方式进行了改进,平衡了算法迭代前期的全局搜索性能与后期的局部搜索性能,提升了迭代后期种群的多样性和收敛速度.仿真实验结果表明,所提出的改进DPSO算法相比传统算法以及标准智能算法寻优效果有明显提升,构建的DPSO-SVM诊断模型与主流诊断模型相比在肿瘤诊断中也有着更优越的性能,提升了诊断效率的同时也降低了诊断误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雷		60	74	5.0	6.0
2	杨萌宇		4	0	0.0	0.0
3	曾悦		1	0	0.0	0.0