换一批摘要针对传统的癌症诊断方法受医生主观经验影响大、已有辅助诊断方法准确度不够高的问题,提出了一种基于粒子群与支持向量机融合算法(PSO-SVM)的辅助癌症诊断方法.研究了基于SVM分类器的癌症诊断流程,针对分类器中对诊断准确度影响较大的惩罚参数C和核函数参数γ难以确定的问题,设计了基于PSO的惩罚参数、核函数参数优化方法,建立了基于PSO-SVM融合算法的癌症辅助诊断方法.采用威斯康星(Wisconsin)大学乳腺癌数据进行所提方法的仿真验证,实验结果表明,所提方法可有效进行癌症诊断,提高了癌症诊断的准确度,可以作为医生对癌症诊断的有效辅助手段.
更多相关知识
关键词
支持向量机粒子群算法参数优化癌症诊断Support vector machineParticle swarm optimization algorithmParameter optimizationCancer diag-nosis
分类号
TP391.9
栏目名称
DOI
10.3969/j.issn.1006-9348.2023.08.054
发布时间
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川省科技计划资助项目（2021YFG0326）
- 浏览4
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
