基于特征選擇集成算法的乳腺癌輔助檢測(cè)研究.pdf

1、乳腺癌作為現(xiàn)代女性發(fā)病比例最高的癌癥，已經(jīng)越來(lái)越受到社會(huì)的關(guān)注。然而由于乳腺病灶數(shù)據(jù)呈現(xiàn)高維度、多樣化的特點(diǎn)，造成傳統(tǒng)分類(lèi)器性能下降，即出現(xiàn)了模式分類(lèi)的維度災(zāi)難問(wèn)題。集成學(xué)習(xí)算法是模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域近來(lái)比較活躍的研究方向，它采用系統(tǒng)化的方法將多個(gè)分類(lèi)器通過(guò)某種策略集成后對(duì)未知樣本進(jìn)行判別。
　　 為了有效的利用豐富的乳腺數(shù)據(jù)信息并且克服維度災(zāi)難問(wèn)題，本文提出了基于動(dòng)態(tài)特征子集選擇和基于EM算法的樸素貝葉斯(Na(i)ve B

2、ayesian)分類(lèi)器相結(jié)合的集成算法(DSFS+EMNB)。該算法先后使用RSM(Random Subspace Method)、Bagging方法、投票集成方法、特征子集選擇方法(Filter方法和Wrapper方法)等，構(gòu)造了一個(gè)動(dòng)態(tài)特征子集集成分類(lèi)器?；诸?lèi)器采用基于EM算法的樸素貝葉斯分類(lèi)器。通過(guò)對(duì)大量乳腺數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明：與SVM算法以及其它傳統(tǒng)方法(EM-Na(i)veBayes(EMNB)，KNN，Boost C5，N