10.3969/j.issn.1000-3428.2014.07.039
基于tlPSO-SVM模型的肿瘤进展预测
为研究患者肿瘤进展情况与各项指标之间的关系,以支持向量机(SVM)作为分类模型,根据各项检查指标预测肿瘤进展情况。设计三层粒子群优化算法(tlPSO)对SVM模型进行参数寻优,使用训练集建立分类模型,利用测试集评估模型性能,得到tlPSO-SVM模型。tlPSO算法能有效降低陷入局部最优解的机率,获取全局最优参数,从而使模型具有最优的分类性能。将血常规、中医症候、FACT评分等指标作为输入,肿瘤进展情况作为分类输出,建立分类模型并进行预测。实验结果表明,tlPSO-SVM模型准确率较高,具有较好的分类性能。
肿瘤进展、粒子群优化算法、支持向量机、参数寻优、分类模型
TP18(自动化基础理论)
北京市委组织部优秀人才培养计划基金资助项目2010D005015000001;北京市新世纪百千万人才工程基金资助项目;北京市教委科研计划基金资助面上项目KM201410005004。
2014-08-12(万方平台首次上网日期,不代表论文的发表时间)
共4页
198-201