基于自适应混合粒子群算法优化支持向量机的乳腺癌预测  

作　　者：王勇[1] 吴慕云 

机构地区：[1]芜湖职业技术学院信息与人工智能学院 [2]芜湖市第五人民医院肿瘤内科,安徽芜湖241000

出　　处：《阜阳职业技术学院学报》2024年第2期67-70,共4页Journal of Fuyang Institute of Technology

基　　金：芜湖职业技术学院优秀青年拔尖人才项目(芜职院人(2021)37号);芜湖市“华佗计划”卫生高层次人才分层培养项目(芜卫组(2021)41号)。

摘　　要：使用粒子群算法优化支持向量机的惩罚因子和核参数,提高分类的精度。粒子群算法收敛速度快,但是容易陷入局部最优。引入鲸鱼算法的包围运动和螺旋运动机制,形成参数自适应的混合粒子群优化算法,提升了算法的精度。在对数据进行预处理之后,80%的数据用于模型的训练,剩余20%用于模型的测试。每次实验分别按照比例随机生成的训练集和测试集进行20次预测,计算平均正确率。实验表明,自适应混合粒子群算法优化精度高于标准粒子群算法和鲸鱼算法。

关 键 词：乳腺癌 支持向量机 自适应 粒子群优化算法 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]