發(fā)布時間：2024-07-10 23:02

　　在乳腺癌識別方法中,支持向量機(SVM)憑借良好的精度和魯棒性已經(jīng)取得了不錯的預測結(jié)果,但是SVM中懲罰系數(shù)c和核函數(shù)參數(shù)g選取的不同也會在一定程度上影響著算法的泛化精度。為了提高SVM的識別性能,提出了一種將改進鯨魚優(yōu)化算法(MWOA)和SVM結(jié)合的模型。利用MWOA迭代尋優(yōu)能力對SVM參數(shù)進行調(diào)整,并以最優(yōu)化的參數(shù)組合對樣本數(shù)據(jù)進行分類識別。為了證明該方法的有效性,應用威斯康辛乳腺癌數(shù)據(jù)集進行實驗并與現(xiàn)有方法進行對比。仿真結(jié)果表明,MWOA-SVM與BP神經(jīng)網(wǎng)絡、傳統(tǒng)SVM、PSO-SVM、及WOA-SVM 4種方法相比,具備更好的識別性能。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引 言
1 支持向量機(SVM)
2 改進鯨魚優(yōu)化算法(MWOA)
    2.1 傳統(tǒng)鯨魚優(yōu)化算法
        1)包圍獵物
        2) 氣泡攻擊
        3)隨機搜索
    2.2 改進策略
        1)引入慣性權(quán)重
        2) 增加算子數(shù)量
        3) 父個體集合生成
        4) 新個體的生成
3 實驗與結(jié)果分析
    3.1 實驗數(shù)據(jù)與降維處理
    3.2 實驗設計與結(jié)果分析
4 結(jié) 論



本文編號：4004867