典型文献
基于优化随机森林算法的乳腺癌分类诊断
文献摘要:
为有效辅助医生筛选乳腺癌恶性肿瘤,提出一种基于人工鱼群优化的随机森林模型.通过改进的smote加权采样等方法对原始数据集进行均衡处理,采用皮尔森相关系数法提取与乳腺癌恶性肿瘤相关性强的特征作为模型的输入,通过人工鱼群算法优化随机森林模型,寻找最优的模型参数,对乳腺癌数据集进行分类诊断.实验结果表明,所提优化模型具有较好的分类效果,准确率达97.48%,验证其可作为一种有效的辅助诊断模型.
文献关键词:
乳腺癌;随机森林;人工鱼群;数据预处理;特征选择
中图分类号:
作者姓名:
王冬;曲媛;刘玉航;朱习军
作者机构:
青岛科技大学信息科学技术学院,山东青岛266061
文献出处:
引用格式:
[1]王冬;曲媛;刘玉航;朱习军-.基于优化随机森林算法的乳腺癌分类诊断)[J].计算机工程与设计,2022(03):706-712
A类:
乳腺癌分类,smote
B类:
随机森林算法,分类诊断,原始数据,皮尔森相关系数,相关系数法,肿瘤相关性,人工鱼群算法,算法优化,优化随机森林模型,乳腺癌数据集,分类效果,辅助诊断,诊断模型,数据预处理,特征选择
AB值:
0.266574
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。