换一批基于遗传算法特征选择的HBV再激活分类预测模型
HBV reactivation cal ssification prediction model bsa ed on featuer selection of genetic alog rithm
摘要探讨原发性肝癌患者精确放疗后乙型肝炎病毒（hepatitis b virus， HBV）再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法，从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型，并预测最优特征子集和初始特征集的分类性能。实验结果表明，基于遗传算法的特征选择提高了HBV再激活分类性能，最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括： HBV DNA水平，肿瘤分期TNM，Child-Pugh，外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82．89％，支持向量机的分类准确性最高可达83．34％。
更多相关知识
关键词
HBV再激活遗传算法特征选择贝叶斯支持向量机HBV reactivationGenetic algorithmFeature selectionBayesSupport vector machine
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1672-55652.016.04.08
发布时间
2017-01-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览261
- 被引10
- 下载9
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
