• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Data and Information Science >Detection of Malignant and Benign Breast Cancer Using the ANOVA-BOOTSTRAP-SVM
【24h】

Detection of Malignant and Benign Breast Cancer Using the ANOVA-BOOTSTRAP-SVM

机译：使用Anova-Bootstrap-SVM检测恶性和良性乳腺癌

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Purpose The aim of this research is to propose a modification of the ANOVA-SVM method that can increase accuracy when detecting benign and malignant breast cancer. Methodology We proposed a new method ANOVA-BOOTSTRAP-SVM. It involves applying the analysis of variance (ANOVA) to support vector machines (SVM) but we use the bootstrap instead of cross validation as a train/test splitting procedure. We have tuned the kernel and the C parameter and tested our algorithm on a set of breast cancer datasets. Findings By using the new method proposed, we succeeded in improving accuracy ranging from 4.5 percentage points to 8 percentage points depending on the dataset. Research limitations The algorithm is sensitive to the type of kernel and value of the optimization parameter C. Practical implications We believe that the ANOVA-BOOTSTRAP-SVM can be used not only to recognize the type of breast cancer but also for broader research in all types of cancer. Originality/value Our findings are important as the algorithm can detect various types of cancer with higher accuracy compared to standard versions of the Support Vector Machines.
机译：目的本研究的目的是提出改进ANOVA-SVM方法，可以在检测良性和恶性乳腺癌时提高精度。方法论我们提出了一种新方法Anova-Bootstrap-SVM。它涉及应用方差（ANOVA）的分析来支持向量机（SVM），但我们使用Bootstrap而不是交叉验证作为列车/测试分割过程。我们调整了内核和C参数，并在一组乳腺癌数据集上测试了我们的算法。通过使用新方法提出的调查结果，我们成功提高了从4.5个百分点到8个百分点的准确度，具体取决于数据集。研究限制算法对优化参数的核和价值的核心和价值C.实际意义我们认为ANOVA-Bootstrap-SVM不仅可以识别乳腺癌的类型，而且可以用于所有类型的更广泛的研究癌症。与标准版本的支持向量机的标准版本相比，创意/值我们的发现很重要，因为算法可以以更高的准确性检测各种类型的癌症。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号