摘要
为准确对乳腺肿瘤进行分类诊断,减轻病患痛楚,提出基于邻域粗糙集与遗传算法修正的LS-SVM解析模型的乳腺肿瘤分类诊断模型。文章对1569例乳腺癌患者数据在邻域粗糙集约简基础上,建立LS-SVM解析模型,利用遗传算法对LS-SVM解析模型参数修正并将修正后的模型对乳腺肿瘤进行分类诊断,与现有的方法对比发现,组合模型精确度高于LS-SVM、神经网络等模型。基于邻域粗糙集与修正LS-SVM解析模型的乳腺肿瘤分类诊断模型具有较好的临床诊断价值,其应用为乳腺肿瘤的诊断提供了一种新思路。
引文
[1]徐菲菲,魏莱,杜海洲等.一种基于互信息的模糊粗糙分类特征基因快速选取方法[J].计算机科学,2013,40(7).
[2]王波,杜晓昕,金梅.LVQ神经网络在乳腺肿瘤诊断中的应用[J].计算机仿真,2012,29(8).
[3]姜安龙,戚玉亮.粗糙集-BP神经网络组合方法及其应用[J].中南大学:自然科学版,2011,42(10).
[4]李晓峰,沈毅,王强.超声乳腺肿瘤图像计算机辅助诊断系统[J].吉林大学学报:工学版,2009,(3).
[5]吴景龙,杨淑霞,刘承水.基于遗传算法优化参数的支持向量机短期负荷预测方法[J].中南大学学报:自然科学版,2009,40(1).
[6]慕昱,夏虹,刘永阔.基于邻域粗糙集和决策树算法的核电厂故障诊断方法[J].原子能科学技术,2011,45(1).
[7]李锋,汤宝平,刘文艺.遗传算法优化最小二乘支持向量机的故障诊断[J].重庆大学学报:自然科学版,2010,33(12).