一種改進(jìn)的約簡(jiǎn)和診斷乳腺癌診斷決策方法

　　針對(duì)遺傳算法（ GA）與支持向量機(jī)（SVM）集成相結(jié)合的疾病診斷方法存在屬性冗余的問(wèn)題，提出了一種改進(jìn)的約簡(jiǎn)和診斷乳腺癌決策方法。該方法將最小化約簡(jiǎn)屬性個(gè)數(shù)、最大化區(qū)分矩陣可區(qū)別屬性的個(gè)數(shù)以及最大化約簡(jiǎn)屬性對(duì)決策屬性的依賴度這三種目標(biāo)函數(shù)相結(jié)合作為CA的適應(yīng)度函數(shù)。在約簡(jiǎn)屬性后取多個(gè)子集，以便利用SVM集成學(xué)習(xí)。在UCI數(shù)據(jù)庫(kù)中乳腺癌數(shù)據(jù)集的實(shí)驗(yàn)表明，與原始的SVM算法相比，該方法在分類(lèi)診斷的準(zhǔn)確度以及敏感性方面有一定的提高，其中分類(lèi)準(zhǔn)確度至少提高了2%。