针对乳腺肿瘤良恶性二值分类的特点,提出了一种基于修正的果蝇优化算法和支持向量机(MFOASVM)的乳腺肿瘤识别方法.为提高SVM分类器的泛化性能,将MFOA算法引入SVM,进而优化SVM中的惩罚参数和核函数参数.为了综合评估提出算法的有效性,在...针对乳腺肿瘤良恶性二值分类的特点,提出了一种基于修正的果蝇优化算法和支持向量机(MFOASVM)的乳腺肿瘤识别方法.为提高SVM分类器的泛化性能,将MFOA算法引入SVM,进而优化SVM中的惩罚参数和核函数参数.为了综合评估提出算法的有效性,在威斯康新诊断乳腺癌(Wisconsin diagnostic breast cancer,WDBC)数据集进行了实验对比分析.实验结果表明:MFOA-SVM与BP,LVQ及PSO-SVM 3种方法相比,其分类准确性和稳定性显著提高.展开更多
文摘针对乳腺肿瘤良恶性二值分类的特点,提出了一种基于修正的果蝇优化算法和支持向量机(MFOASVM)的乳腺肿瘤识别方法.为提高SVM分类器的泛化性能,将MFOA算法引入SVM,进而优化SVM中的惩罚参数和核函数参数.为了综合评估提出算法的有效性,在威斯康新诊断乳腺癌(Wisconsin diagnostic breast cancer,WDBC)数据集进行了实验对比分析.实验结果表明:MFOA-SVM与BP,LVQ及PSO-SVM 3种方法相比,其分类准确性和稳定性显著提高.