一种改进的约简和诊断乳腺癌诊断决策方法

　　针对遗传算法（ GA）与支持向量机（SVM）集成相结合的疾病诊断方法存在属性冗余的问题，提出了一种改进的约简和诊断乳腺癌决策方法。该方法将最小化约简属性个数、最大化区分矩阵可区别属性的个数以及最大化约简属性对决策属性的依赖度这三种目标函数相结合作为CA的适应度函数。在约简属性后取多个子集，以便利用SVM集成学习。在UCI数据库中乳腺癌数据集的实验表明，与原始的SVM算法相比，该方法在分类诊断的准确度以及敏感性方面有一定的提高，其中分类准确度至少提高了2%。