SVM在醫(yī)學(xué)數(shù)據(jù)分類中的建模研究.pdf

1、近年來(lái)，隨著醫(yī)學(xué)技術(shù)的發(fā)展和醫(yī)療信息化技術(shù)的日益普及，特別是隨著醫(yī)院各種電子診療設(shè)備的廣泛引入，使得醫(yī)療數(shù)據(jù)越來(lái)越多，且呈現(xiàn)急劇增長(zhǎng)的趨勢(shì)，標(biāo)志著醫(yī)療數(shù)據(jù)已經(jīng)進(jìn)入了一個(gè)大數(shù)據(jù)的時(shí)代。如何利用信息技術(shù)從這些數(shù)據(jù)中發(fā)現(xiàn)有用的或未知的信息，為醫(yī)生提供輔助醫(yī)療診斷已經(jīng)成為目前研究的一個(gè)重要方向。
　　SVM作為一種良好的數(shù)據(jù)分類方法，可用于基于特征值的病理分類，然而在其建模過(guò)程中存在諸多人工因素干預(yù)，如核函數(shù)選取、常量參數(shù)確定等。本文將以

2、乳腺腫瘤數(shù)據(jù)為應(yīng)用背景，就SVM分類模型的建模過(guò)程以及核函數(shù)選擇、參數(shù)尋找等方面展開研究，本文主要包括如下內(nèi)容:
　　(1)分析了目前常用的SVM、BP神經(jīng)網(wǎng)絡(luò)、決策樹等方法的分類原理，介紹了粒子群算法進(jìn)行參數(shù)尋優(yōu)的機(jī)制，以及核參數(shù)的相關(guān)理論。
　　(2)研究了SVM模型的建模過(guò)程，建立了對(duì)乳腺腫瘤進(jìn)行分類的優(yōu)化模型。針對(duì)數(shù)據(jù)集的歸一化問(wèn)題進(jìn)行了探討，分析了數(shù)據(jù)歸一化對(duì)分類結(jié)果的影響。討論了核函數(shù)的選擇問(wèn)題，驗(yàn)證了徑向基核函

3、數(shù)具有明顯的分類效果。對(duì)于模型的參數(shù)C和g的選擇，采用了一種逐步精細(xì)化的二次尋優(yōu)方法，第一次從粗略的參數(shù)范圍入手，第二次在精細(xì)的范圍內(nèi)找到相對(duì)優(yōu)化的參數(shù)。實(shí)際測(cè)試結(jié)果表明，建立的模型具有很好的分類準(zhǔn)確率。
　　(3)對(duì)利用粒子群算法優(yōu)化SVM模型參數(shù)進(jìn)行了研究。分析了傳統(tǒng)粒子群算法對(duì)SVM的懲罰參數(shù)C和核參數(shù)g進(jìn)行尋優(yōu)的方法，針對(duì)傳統(tǒng)算法學(xué)習(xí)因子采用經(jīng)驗(yàn)值，介紹了一種動(dòng)態(tài)修改學(xué)習(xí)因子的改進(jìn)算法。通過(guò)實(shí)驗(yàn)對(duì)這兩種方法的分類效果進(jìn)行比