一種改進的約簡和診斷乳腺癌診斷決策方法
大小：0.73 MB 人氣： 2018-01-02 需要積分：2
標簽：向量機(20755)
針對遺傳算法（ GA）與支持向量機（SVM）集成相結(jié)合的疾病診斷方法存在屬性冗余的問題，提出了一種改進的約簡和診斷乳腺癌決策方法。該方法將最小化約簡屬性個數(shù)、最大化區(qū)分矩陣可區(qū)別屬性的個數(shù)以及最大化約簡屬性對決策屬性的依賴度這三種目標函數(shù)相結(jié)合作為CA的適應度函數(shù)。在約簡屬性后取多個子集，以便利用SVM集成學習。在UCI數(shù)據(jù)庫中乳腺癌數(shù)據(jù)集的實驗表明，與原始的SVM算法相比，該方法在分類診斷的準確度以及敏感性方面有一定的提高，其中分類準確度至少提高了2%。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種改進的約簡和診斷乳腺癌診斷決策方法下載
相關電子資料下載
- 如何利用一些小技巧實現(xiàn)SVM的增量式訓練 321
- 深度解析機器學習各大模型原理 1144
- 基于計算機視覺與機器學習技術的跌倒風險預測 227
- 機器學習基礎知識全攻略 126
- 支持向量機的基本原理 支持向量機可以解決什么問題 1064
- 如何使用Python進行圖像識別的自動學習自動訓練？ 321
- 關于機器學習的17種常用算法 320
- 使用Python從零實現(xiàn)多分類SVM 337
- 常用的十大機器學習算法介紹 292
- 全面總結(jié)機器學習中的優(yōu)化算法 332