版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文首先介紹了肺癌診斷的歷史及發(fā)展現(xiàn)狀,在此基礎(chǔ)上提出了將支持向量機(SVM)與肺癌早期診斷相結(jié)合的新思路,將機器學(xué)習(xí)應(yīng)用到實際數(shù)據(jù)分類中。SVM是一種準(zhǔn)確度高的分類器,具有很好的容錯和歸納能力,能較好地解決小樣本、非線性、高維等分類問題,具有很強的實用性。但在SVM的應(yīng)用中,核函數(shù)、核參數(shù)和懲罰系數(shù)的選擇對結(jié)果有很大的影響。本文首先引入常用安德森鳶尾花(fisheriris)數(shù)據(jù)集在多項式核函數(shù)(Polynomial)和徑向基核函數(shù)(
2、RBF)分類性能上進行直觀形象的對比。再用常用的網(wǎng)格劃分法尋找最佳參數(shù)c和g,之后為了提高分類效果,又分別用遺傳算法(GA)和粒子群算法(PSO)對參數(shù)進行優(yōu)化,將優(yōu)化后的SVM算法用于肺癌數(shù)據(jù)集的分類中。在最后又與目前比較熱門的其他分類方法:決策樹C4.5算法和模糊神經(jīng)網(wǎng)絡(luò)算法進行比較,并將各種算法的分類性能在ROC空間顯示。
方法:以胸部CT片中提取出的21項放射學(xué)特征和5個臨床參數(shù)為基礎(chǔ),將117例病例樣本隨機分為訓(xùn)練集
3、和測試集,將數(shù)據(jù)歸一化后用主成分分析法(PCA)對數(shù)據(jù)進行降維處理,并訓(xùn)練SVM網(wǎng)絡(luò)。通過比較并利用經(jīng)驗,選用RBF核函數(shù),然后先用常用的網(wǎng)格劃分法選擇合適的懲罰參數(shù)c和核參數(shù)g,用測試集測試該網(wǎng)絡(luò)區(qū)分肺癌和非肺癌的能力。之后再分別用GA和PSO對參數(shù)進行優(yōu)化,重復(fù)之前的過程,每種方法的參數(shù)選擇均在K-CV意義下進行。最后將各種方法的結(jié)果進行對比,其中也包括探索算法歷程中嘗試過的C4.5算法和模糊神經(jīng)網(wǎng)絡(luò)算法,發(fā)現(xiàn)各種算法的優(yōu)缺點,找到
4、其中最合適的。
結(jié)果:通過測試集輸出結(jié)果對比,發(fā)現(xiàn)優(yōu)化后的SVM網(wǎng)絡(luò)虛警(假陽性)和漏檢(假陰性)率較低,分類精度比優(yōu)化前有所提高。PSO優(yōu)化的SVM網(wǎng)絡(luò)性能最好,44例測試樣本中錯誤3例(第5例假陽性,第36例,第38例假陰性),ROC曲線下AUC值最大,GA優(yōu)化次之,錯誤4例?;谌切碗`屬度函數(shù)的模糊神經(jīng)網(wǎng)絡(luò)錯誤5例,基于高斯型隸屬度函數(shù)的錯誤4例,C4.5算法在分類精度上最差。而且PSO優(yōu)化計算速度較快,且對病例樣本分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- SVM分類器在肝癌早期診斷中的應(yīng)用研究.pdf
- SVM參數(shù)尋優(yōu)及其在分類中的應(yīng)用.pdf
- SVM分類模型在癌癥突變輔助診斷中的應(yīng)用.pdf
- 多目標(biāo)算法在多分類SVM優(yōu)化中的應(yīng)用.pdf
- 基于AFSA的SVM參數(shù)優(yōu)化及其應(yīng)用.pdf
- SVM在文本分類中的應(yīng)用.pdf
- SVM在參數(shù)選擇上的優(yōu)化.pdf
- 基于近鄰準(zhǔn)則的SVM分類器研究及在漢語歧義切分中的應(yīng)用.pdf
- 基于CMABC參數(shù)優(yōu)化的SVM多分類入侵檢測方法研究.pdf
- 改進的免疫進化算法在多核SVM參數(shù)優(yōu)化中的應(yīng)用研究.pdf
- 液態(tài)活檢在早期非小細胞肺癌診斷中的應(yīng)用價值探究.pdf
- SVM多類分類及其在遙感圖像中的應(yīng)用.pdf
- 血清性激素水平在肺癌早期診斷中的意義.pdf
- 基因微陣列數(shù)據(jù)的SVM分類器優(yōu)化方法.pdf
- SVM核參數(shù)優(yōu)化研究與應(yīng)用.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的表觀遺傳分子標(biāo)志在肺癌早期診斷中的應(yīng)用.pdf
- 基于AUC的SVM多類分類算法的優(yōu)化.pdf
- 基于梯度下降法的組合分類器在質(zhì)量診斷中的應(yīng)用研究.pdf
- 基于SVM的分類挖掘算法及其應(yīng)用.pdf
- 遺傳算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)在肺癌診斷中的應(yīng)用.pdf
評論
0/150
提交評論