乳腺癌诊断
-
基于随机森林思想的组合分类器设计——乳腺癌诊断
随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。 -
支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断
应用背景 支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory，STL）。统计学习理论采用结构风险最小化（Structural Risk Minimization，SRM）准则，在最小化样本点误差的同时，最小化结构风险，提高了模型的泛化能力，且没有数据维数的限制。在进行线性分类时，将分类面取在离两类样本距离较大的地方；进行非线性分类时通过高维空间变换，将非线性分类变成高维空间的线 -
支持向量机的分类 ——基于乳腺组织电阻抗特性的乳腺癌诊断
（1）SVM 是专门针对小样本问题而提出的，其可以在有限样本的情况下获得最优解； （2）SVM 算法最终将转化为一个二次规划问题，从理论上讲可以得到全局最优解，从而解 决了传统神经网无法避免局部最优的问题； （3）SVM 的拓扑结构由支持向量决定，避免了传统神经网络需要反复试凑确定网络结构的
