基于tlPSO-SVM模型的肿瘤进展预测

摘要：

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。

关键词：肿瘤进展、粒子群优化算法、支持向量机、参数寻优、分类模型

分类号：TP18(自动化基础理论)

资助基金：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。

在线出版日期：2014-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：198-201