换一批摘要目的:结合面向医学领域的数据挖掘技术,对乳腺肿瘤诊断方法进行优化.方法:提出连续特征离散化的NewChi2算法,通过均匀选取类样本的支持向量机(T-SVM)分类方法,对乳腺肿瘤的数据信息进行数据离散化预处理.结果:在乳腺肿瘤诊断中采用该方法,分类预测率达到99.27％,取得了高于传统支持向量机分类器的分类学习精度.结论:采用的方法简化了信息系统,利用T-SVM对预处理后的数据进行分类和测试,可以更准确地识别出肿瘤是良性还是恶性.
更多相关知识
关键词
数据挖掘连续属性离散化支持向量机乳腺肿瘤诊断data miningdiscretization for real value attributessupport vector machinebreast neoplasm diagnosis
医学主题词
乳腺肿瘤(Breast Neoplasms)诊断(Diagnosis)支持向量机(Support Vector Machine)算法(Algorithms)数据挖掘(Data Mining)
栏目名称
DOI
10.7687/J.ISSN.1003-8868.2013.07.015
发布时间
2013-09-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
新疆维吾尔自治区高等学校科研计划（XJEDU2011s24）
- 浏览253
- 被引1
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
