基于属性约简和支持向量机集成的乳腺癌诊断决策

来源：计算机应用杂志2015年第10期北京时间：

作者：卢星凝, 张莉

单位：1. 苏州大学 计算机科学与技术学院, 江苏 苏州 215006;2. 江苏省计算机信息处理技术重点实验室(苏州大学), 江苏 苏州 215006

摘要：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GA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%。

关键词：粗糙集,支持向量机,属性约简,乳腺癌诊断,遗传算法

基金资助：国家自然科学基金资助项目(61373093);江苏省自然科学基金资助项目(BK20140008,BK201222725);江苏省高校自然科学研究项目(13KJA520001);江苏省"青蓝工程"资助项目;苏州大学第17届大学生课外学术科研基金资助项目(KY2015545B)。