基于tlPSO-SVM模型的肿瘤进展预测.pdfVIP

第40卷 第7期 计 算 机 工 程 2014年7月 Vol.40 No.7 ComputerEngineering July 2014 ·人工智能及识别技术 · 文章编号：1000-3428(2014)07-0189-04 文献标识码：A 中图分类号：TP18 基于tlPSO-SVM模型的肿瘤进展预测 方丽英，陈培煜，王 普，李 爽，杨建栋，万 敏P P P P (北京工业大学电子信息与控制工程学院，北京 100124) 摘 要：为研究患者肿瘤进展情况与各项指标之间的关系，以支持向量机(SVM)作为分类模型，根据各项检查指标预测肿瘤进展情况。 (tlPSO) SVM tlPSO-SVM 设计三层粒子群优化算法 对 模型进行参数寻优，使用训练集建立分类模型，利用测试集评估模型性能，得到 模型。tlPSO算法能有效降低陷入局部最优解的机率，获取全局最优参数，从而使模型具有最优的分类性能。将血常规、中医症候、 FACT评分等指标作为输入，肿瘤进展情况作为分类输出，建立分类模型并进行预测。实验结果表明，tlPSO-SVM模型准确率较高， 具有较好的分类性能。 关键词：肿瘤进展；粒子群优化算法；支持向量机；参数寻优；分类模型 TumorProgressionPredictionBasedontlPSO-SVMModel P P P P FANGLi-ying,CHENPei-yu,WANGPu,LIShuang,YANGJian-dong,WANMinP P P (CollegeofElectronicInformationandControlEngineering,BeijingUniversityofTechnology,Beijing 100124,China) Abstract For researching the relation between the lung cancers’tumor progression and the medical factors, taking Suppor Vector 【 】 Machine(SVM) asthe classificationmodel.Firstly,utilizing the improved Particle SwarmOptimization(PSO) algorithm-threelayersParticle Swarm Optimization(tlPSO),to optimize the SVMparameters; Secondly,establishing the classification model; Finally,using the tes se to evaluatethe model. The tlPSO algorithm reducesthe probability of falling into local optimal solutionby the algorithm, obtained the global optimalconclusionandmakesthemodelwithoptimalperformance.Choosingbloodroutine,theTCM symptomsandtheFACTvalueasthe inpu of the experiment, the tumor progression as the classification