基于支持向量机的乳腺癌辅助诊断

采用支持向量机、K一近邻法(K—Nearest Neighbor，K—NN)、概率神经网络(Probabilistie Neural Network，PNN)，结合乳腺肿瘤的细针穿刺细胞病理学临床数据诊断乳腺癌。结果表明：当使用 SigIIloid核函数时，SVM通过5次交叉验证的最佳平均分类准确率达到了96．24％，优于K—NN (95．37％)，PNN(95．09％)等分类器，表明该方法有望成为一种实用的乳腺癌临床辅助诊断工具