多源性数据SVM集成算法研究(1)(3)

０．８７２０

０．８９８７ＦＰＲＹｏｕｄｅｎｌｎｄｅｘＥＶＬ儿＋胪＋皿＋ＨＬ＋ＨＰ＋职＋ｗＬ＋ｗＰ＋ＪＬ＋ＪＲ＋ＪＲ＋ＨＬ＋ＨＰ＋ＨＲ＋ＷＬ＋ＷＰ＋ＷＲ】Ｌ＋】Ｐ＋ＪＲＨＬ＋ＨＰ＋ＨＲＷＬ＋ＷＰ＋ＷＲＡＬ＋ＡＰ＋ＡＲＪＬ＋ＨＬ＋ＷＬ＋ＡＬＪＰ＋ＨＰ＋ＷＰ＋ＡＰＪＲｊｒＨＲ＋ＷＲ＋ＡＲＯ．３６０００．４０５３０．２９８７０．４１８７０．４４８０Ｏ．２５８７０．５３３３Ｏ．５１２００．３８６７０．３８９３Ｏ．５１４７０．４２６７０．５７０７０．３３０７０．２９８７０．６０２７０．３６２７０．３８６７０．４８５３０．５０９３Ｏ．６９９７Ｏ．７１３３０．７８５３Ｏ．６６５３０．６４９３０．８０１３０．６８１３Ｏ．６９３３０．７４２７０．６４１６０．７２０８Ｏ．５７１３Ｏ．５５４７Ｏ．７４１６Ｏ．６１２１０．６２７８０．６８２９０．７０２３胪＋ｗＲ＋艘＋ＡＰ（最好的４个分类器）０．７５４７

核ＳＶＭ针对全体特征所建立的模型是性能最好的．表３针对乳腺钙化簇数据采用相同的处理办法，可以看出几何特征在所有分组特征中起关键作用．高斯

论文

１４０西安电子科技大学学报（自然科学版）第３７卷

表３乳腺微钙化簇数据分组测试结果

将表３中的分类器整合起来，得出基于分组特征的多项式ＳＶＭ，即ＪＲ＋ＨＲ＋ＷＲ＋ＡＲ集成ＳＶＭ分类器具有最好的分类性能，结果见表４．

表４乳腺微钙化粗数据集成结果表

不同的分类器性能列表见表５，可以看出经过ｂｏｏｔｓｔｒａｐ的ＳＶＭ集成学习分类器并没有提高分类器的性能．与ＰＣＡ—ＦＳ－Ｂａｇｇｉｎｇ相比发现，先经过ｂｏｏｔｓｔｒａｐ采样再进行ＰＣＡ特征选择后集成学习算法的分类器性能有所下降，而笔者提出的基于分组特征ＳＶＭ集成学习算法不仅具有较少的成员分类器，并且使得分类器的性能最少提高１个百分点．

表５不同分类器分类精度对比

４总结

多源数据在实际应用当中是一个非常普遍的问题．不同的特征组具有不同的概率密度函数，所以不同特征被映射到不同的高维空间中，然后通过整合成员分类器得出一个集成学习，采用投票方法得出最终的决策标记．基于分组特征的ＳＶＭ集成学习算法适合于处理多源数据问题．笔者所采用的两组实际医疗数据试验结果表明，与传统的ＳＶＭ分类器以及传统的集成学习算法相比，ＧＦＥ－ＳＶＭ具有最好的检测性能．

论文

第１期常甜甜等：多源性数据ＳＶＭ集成算法研究１４１参考文献：

［１］ＨａｎｓｅｎＬＫ，ＳａｌａｍｏｎＰ．ＮｅｕｒａｌＮｅｔｗｏｒｋ

１９９０，１２（１０）：９９３—１００１．Ｅｎｓｅｍｂｌｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，

Ｆ２３

［３］ＬｉＹｉｎｇ。ＪｉａｎｇＪｉａｎｍｉｎ．ＣｏｍｂｉｎａｔｉｏｎｏｆＳＶＭＫｎｏｗｌｅｄｇｅｆｏｒＭｉｃｒｏｃａｌｃｉｆｉｃａｔｉｏｎＤｅｔｅｃｔｉｏｎｉｎＤｉｇｉｔａｌＭａｍｍｏｇｒａｍｓ［Ｃ］／／ＩＤＥＡＬ２００４．ＬＮＣＳ３１７７．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２００４：３５９－３６５．ＬａｎｃｋｒｉｅｔＧ．ＬｅａｒｎｉｎｇｔｈｅＫｅｒｎｅｌ

２００４（５）：２７－７２．ＭａｔｒｉｘｗｉｔｈＳｅｍｉ－ｄｅｆｉｎｉｔｅＰｒｏｇｒａｍｍｍｉｎｇ￡乃．ＪｏｕｒｎａｌｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＲｅｓｅａｒｃｈ，

［４］李青，焦李成．利用集成支撑矢量机提高分类性能［Ｊ］．西安电子科技大学学报，２００７，３４（１）：６８—７０．

ＬｉＱｉｎｇ，ＪｉａｏＬｉＣｈｅｎｇ．ＩｍｐｒｏｖｅｍｅｎｔＣｌａｓｓｉｆｉｃａｔｉｏｎＰｅｒｆｏｒｍａｎｃｅｂｙｔｈｅＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅＥｎｓｅｍｂｌｅ［ＹＪ．ＪｏｕｒｎａｌｏｆＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，２００７，３４（１）：６８－７０．

［５］何鸣，李国正，袁捷．医学诊断中集成学习技术的研究［Ｊ］．计算机工程与应用，２００６，４２（２８）：１－６．

ＨｅＭｉｎｇ。ＬｉＧｕｏＺｈｅｎｇ，ＹｕａｎＪｉｅ．ＡＳｔｕｄｙｏｎＥｎｓｅｍｂｌｅＭｅｔｈｏｄｓｆｏｒＭｅｄｉｃａｌＤｉａｇｎｏｓｉｓ叨．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎ，２００６，４２（２８）：１－６．

［６３ＳｋｙｒｐｎｙｋＩ．ＤＩＭＡＣＳＴｅｃｈｎｉｃａｌＣｅｎｔｅｒ．ＦｅａｔｕｒｅＳｅｌｅｃｔｉｏｎａｎｄＴｒａｉｎｉｎｇＳｅｔＳａｍｐｌｉｎｇｆｏｒＥｎｓｅｍｂｌｅＬｅａｒｎｉｎｇｏｎ

ＨｅｔｅｒｇｅｎｅｏｕｓＤａｔａ［Ｒ］．ＮｅｗＪｅｒｓｅｙ：ｔｈｅ

Ｄ，ＷｉｌｌｉａｍｓＳｔａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＮｅｗＪｅｒｓｅｙ，２００３．［７］

［８］ＲｏｓｅＣ，ＴｕｒｉＡ，ｅｔａ１．ＤｉｇｉｔａｌＤａｔａｂａｓｅｆｏｒＳｃｒｅｅｎｉｎｇＭａｍｍｏｇｒａｐｈｙ［ＤＢ／ＯＬ］．［１９９８—０８—２０３．ｈｔｔｐ：／／ｍａｒａｔｈｏｎ．ｃｓｅｅ．ｕｓｆ．ｅｄｕ／Ｍａｍｍｏｇｒａｐｈｙ／Ｄａｔａｂａｓｅ．ｈｔｍｌ．ＥＬＣＡＰＬａｂ，ＷｅｉｌｌＭｅｄｉｃａｌＣｏｌｌｅｇｅｏｆＣｏｒｎｅｌｌＵｎｉｖｅｒｓｉｔｙ．ＥＬＣＡＰＰｕｂｌｉｃＬｕｎｇＩｍａｇｅＤａｔａｂａｓｅ［ＤＢ／ＯＬ］．［２００３—１２—

２０３．ｈｔｔｐ：／／ｗｗｗ．ｖｉａ．ｃｏｒｎｅｌｌ．ｅｄｕ／ｌｕｎｇｄｂ．ｈｔｍｌ．

［９３ＳｃｈａｐｉｒｅＲＥ．ＴｈｅＳｔｒｅｎｇｔｈｏｆｗｅａｋＬｅａｒｎａｂｉｌｉｔｙ［刀．ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ。１９９０，５（２）：１９７—２２７．

［１０］罗宏君．基于双阈值的肺结节自动检测［Ｄ］．西安：西安电子科技大学，２００８．

ＬｕｏＨｏｎｇＪＵＳ．ＡｕｔｏｍａｔｉｃＮｏｄｕｌｅＤｅｔｅｃｔｉｏｎａｎｄＥｘｔｒａｃｔｉｏｎＢａｓｅｄｏｎＴｗｏＤｉｆｆｅｒｅｎｔＴｈｒｅｓｈｏｌｄｓ［Ｄ］．Ｘｉ’ａｎ：ＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，２００８．

［１１］王宇．基于ＳＶＭ的计算机辅助检测系统［Ｄ］．西安：西安电子科技大学，２００８．

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说高考高中多源性数据SVM集成算法研究(1)(3)在线全文阅读。