基于PSO优化SVM算法的癌症诊断方法研究

针对传统的癌症诊断方法受医生主观经验影响大、已有辅助诊断方法准确度不够高的问题,提出了一种基于粒子群与支持向量机融合算法(PSO-SVM)的辅助癌症诊断方法。研究了基于SVM分类器的癌症诊断流程,针对分类器中对诊断准确度影响较大的惩罚参数C和核函数参数γ难以确定的问题,设计了基于PSO的惩罚参数、核函数参数优化方法,建立了基于PSO-SVM融合算法的癌症辅助诊断方法。采用威斯康星(Wisconsin)大学乳腺癌数据进行所提方法的仿真验证,实验结果表明,所提方法可有效进行癌症诊断,提高了癌症诊断的准确度,可以作为医生对癌症诊断的有效辅助手段。