摘要
支持向量机是基于统计学习理论框架下的一种简单、有效的分类方法。作为结构风险最小化准则的具体实现,支持向量机具有全局最优性和较好的泛化能力。文章通过对训练模型的超参数优化,构造了支持向量机非线性分类器,并将其应用于癌症病人的诊断,取得了较高的识别率。实验结果表明,支持向量机分类器能够快速准确地判断患者肿瘤是恶性还是良性,为治疗提供了可靠的依据,在医学诊断中具有广泛的应用前景。
Support Vector Machines algorithm is a simple and effective classification method based upon statistical learning theory.As a direct implementation of the structure risk minimization,SVM provides good performances such as global optimization and good generalization ability.In this paper,nonlinear SVM classifier is employed to breast cancer disease diagnoses by optimizing hyperparameters of training models.High recognition rate is obtained in the prediction. The experimental results indicate that SVM classifier can fast and accurately judge whether patient＇s tumour is malignant or benign.It can offer the reliable reference for treatment and provides extensive application prospects in medical diagnosis.
出处
《计算机工程与应用》
CSCD
北大核心
2005年第36期220-222,共3页
Computer Engineering and Applications
基金
吉林省自然科学基金资助项目(编号:20040529)
大学校内青年基金资助项目(编号:11420000)
关键词
支持向量机
核函数
超参数优化
support vector machine,Kernel function,hyperparameters optimization
作者简介
王晶（1976-），硕士生，主要研究方向：模式识别。E-mail：emily_wjj@163．com卫金茂（1967-），博士，副教授，主要研究方向：计算机应用、数据挖掘。
