文献类型：期刊文章

作　　者：刘兴华[1] 蔡从中[1] 袁前飞[1] 肖汉光[1] 孔春阳[2]

机构地区：[1]重庆大学数理学院,重庆400030 [2]重庆师范大学物理学与信息技术学院,重庆400047

出　　处：《重庆大学学报（自然科学版）》

基　　金：重庆市自然科学基金资助项目(CSTC;2006BB5240);重庆大学与新加坡国立大学国际联合科研资助项目(ARF-151-000-014-112)

年　　份：2007

卷　　号：30

期　　号：6

起止页码：140-144

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：采用支持向量机、K-近邻法(K-NearestNeighbor,K-NN)、概率神经网络(ProbabilisticNeuralNetwork,PNN),结合乳腺肿瘤的细针穿刺细胞病理学临床数据诊断乳腺癌。结果表明:当使用Sigmoid核函数时,SVM通过5次交叉验证的最佳平均分类准确率达到了96.24%,优于K-NN(95.37%),PNN(95.09%)等分类器,表明该方法有望成为一种实用的乳腺癌临床辅助诊断工具。

关 键 词：支持向量机 K-近邻法 概率神经网络 乳腺癌 诊断  模式识别

分 类 号：TP18] U49]