基于多分类算法混合比较的乳腺癌预测
乳腺癌具备易于复发性和高死亡率等特点,已成为女性癌症患者死亡的重要原因.乳腺癌的早期诊断可增加癌症治愈的可能性,因此,提高早期诊断的准确性尤为重要.传统的早期诊断主要依靠人类经验,通过分析临床或检查数据来判断乳腺癌,无法保证足够的准确性.许多研究人员提出了各种机器学习方法,以提高预测的准确性和效率.但现有的算法计算复杂性很高,并且难以从多种算法中直接确定最适合的算法.本文尝试了10种流行的分类算法,比较了它们之间的差异,并应用了量子支持向量机来加速计算过程.数值实验显示支持向量机和人工神经网络的预测效果最佳,表明了多种分类算法混合比较的有效性.
乳腺癌;支持向量机;分类;量子计算
38
Supported by the National Key R&D Program of China;the Shanghai Municipal Science and Technology Major Project under grant;and the Shanghai Municipal Commission of Science and Technology
2021-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
1503-1510