学海网

基于人体血液常_微量元素含量的SVM癌症辅助诊断

摘要 支持向量机(Support vector machine，SVM)分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力，已被广泛地应用于许多研究领域。我们以癌症病人血液中6种元素(Ba，Ca，Cu，Mg，Se，Zn)的含量为研究对象，将SVM、最近邻法、决策树C4．5及人工神经网络等方法用于癌症病人和正常人的分类研究。研究表明：除C4．5的分类准确率保持不变之外，对数据的归一化处理能够提高SVM、KNN、ANN的分类效果。当使用线性核函数时，SVM 通过s次交叉验证的最优平均分类准确率达到了9s．9s ，优于KNN(93．24 )、C4．s(79．93 )及ANN(94．59 )等分类器，表明该方法有望成为一种实用的癌症临床辅助诊断手段。
　　 关键词 支持向量机 常量元素 微量元素 癌症诊断