基于MWOA-SVM的乳腺癌识别应用

发布时间：2024-07-10 23:02

　　在乳腺癌识别方法中,支持向量机(SVM)凭借良好的精度和鲁棒性已经取得了不错的预测结果,但是SVM中惩罚系数c和核函数参数g选取的不同也会在一定程度上影响着算法的泛化精度。为了提高SVM的识别性能,提出了一种将改进鲸鱼优化算法(MWOA)和SVM结合的模型。利用MWOA迭代寻优能力对SVM参数进行调整,并以最优化的参数组合对样本数据进行分类识别。为了证明该方法的有效性,应用威斯康辛乳腺癌数据集进行实验并与现有方法进行对比。仿真结果表明,MWOA-SVM与BP神经网络、传统SVM、PSO-SVM、及WOA-SVM 4种方法相比,具备更好的识别性能。

【文章页数】：5 页

【文章目录】：
0 引 言
1 支持向量机(SVM)
2 改进鲸鱼优化算法(MWOA)
    2.1 传统鲸鱼优化算法
        1)包围猎物
        2) 气泡攻击
        3)随机搜索
    2.2 改进策略
        1)引入惯性权重
        2) 增加算子数量
        3) 父个体集合生成
        4) 新个体的生成
3 实验与结果分析
    3.1 实验数据与降维处理
    3.2 实验设计与结果分析
4 结 论



本文编号：4004867