基于GA和QPSO同步优化的医学分类模型

传统的医学分类方法常常会耗费大量资源且准确性不高。针对这种情况,提出基于遗传算法(GA)与量子粒子群算法(QPSO)的混合算法,对随机森林(RF)和K-近邻算法(KNN)进行两方面的同步优化,同时输出最优特征子集和超参数。对来自UCI数据库的医学数据进行实验的结果表明,与单一算法相比,提出的混合算法能够为RF和KNN分类器选择最佳的模型参数和相关性更高的特征子集,从而提高了医学诊断问题的效率,在医学上为专家提供一些帮助。