一种改进的约简和诊断乳腺癌诊断决策方法
大小:0.73 MB 人气: 2018-01-02 需要积分:2
标签:向量机(20755)
针对遗传算法( GA)与支持向量机(SVM)集成相结合的疾病诊断方法存在属性冗余的问题,提出了一种改进的约简和诊断乳腺癌决策方法。该方法将最小化约简属性个数、最大化区分矩阵可区别属性的个数以及最大化约简属性对决策属性的依赖度这三种目标函数相结合作为CA的适应度函数。在约简属性后取多个子集,以便利用SVM集成学习。在UCI数据库中乳腺癌数据集的实验表明,与原始的SVM算法相比,该方法在分类诊断的准确度以及敏感性方面有一定的提高,其中分类准确度至少提高了2%。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
一种改进的约简和诊断乳腺癌诊断决策方法下载
相关电子资料下载
- 如何利用一些小技巧实现SVM的增量式训练 321
- 深度解析机器学习各大模型原理 1144
- 基于计算机视觉与机器学习技术的跌倒风险预测 227
- 机器学习基础知识全攻略 126
- 支持向量机的基本原理 支持向量机可以解决什么问题 1064
- 如何使用Python进行图像识别的自动学习自动训练? 321
- 关于机器学习的17种常用算法 320
- 使用Python从零实现多分类SVM 337
- 常用的十大机器学习算法介绍 292
- 全面总结机器学习中的优化算法 332