基于支持向量机的乳腺癌诊断方法研究

发布时间：2024-01-25 13:18

　　乳腺癌是一种严重危害女性身体健康的疾病,随着生活方式的转变而发病率明显上涨,发病年龄也将趋于年轻化。早发现、早诊断、早治疗才能降低其发生的可能性和致死率。现实的医疗检测系统中,由于医疗设备的限制或者人体生理因素的影响,导致乳腺癌的错诊或漏诊,进而使患者失去了早发现与早治疗的机会。因此,提高乳腺癌的诊断精度,是降低患者生命风险的重要手段。随着人工智能的发展,利用智能的数据挖掘方法去挖掘医疗数据内涵的宝贵价值是实现智能诊断的新途径。本论文选取了乳腺癌这一威胁当前女性健康的常见疾病作为算法应用研究对象。采用数据挖掘的方法对乳腺癌数据进行建模分析。以UCI提供的临床乳腺癌数据,建立基于支持向量机的辅助诊断模型,通过优化模型提高乳腺癌诊断的准确率,为智能医疗提出了一种新的研究思路和方法,具有一定的现实意义和应用价值。主要内容如下:(1)分析智能医疗的主要方法和机器学习算法在智能医疗中的应用,学习了支持向量机理论及线性和非线性原理,通过引入核函数实现高维线性变换,进而提出支持向量机核函数的参数寻优问题。(2)提出基于参数优化的支持向量机乳腺癌诊断研究方法。针对影响SVM的分类性两个关键因素:误差惩...

【文章页数】：58 页

【学位级别】：硕士

图2-1结构风险最小化

图2-2最优分类超平面示例图

图3-1基于SVM的乳腺癌诊断建模流程图

图3-2基于网格法参数寻优的SVM诊断流程图

本文编号：3884887