基于核主成分分析支持向量机的乳腺癌辅助诊断

Auxiliary Diagnosis of Breast Cancer Based on Kernel Principal Component Analysis Support Vector Machine

本文利用核主成分分析法对乳腺癌的影响因子进行特征提取,以获取的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数分别通过粒子群算法和遗传算法进行选择优化,分别构建出KPCA-PSO-SVM模型和KPCA-GA-SVM模型,对乳腺肿块是否为恶性进行二分类。实验结果显示:KPCA-PSO-SVM模型和KPCA-GA-SVM模型相比PSO-SVM模型和GA-SVM模型在分类准确率方面和运行速度方面均有所提高,表明核主成分分析支持向量机可以用于乳腺癌疾病的辅助诊断,可以为医疗机构对乳腺癌疾病的诊断提供有力的决策支持。