[发明专利]一种基于多目标演化算法的癌症检测方法

说明书

本发明公开了一种基于多目标演化算法的癌症检测方法，包括：通过多目标进化算法筛选初始癌症数据集，得到癌症检测数据模型；通过多目标集成算法提高癌症检测数据模型的准确度，得到癌症检测集成数据模型；通过癌症检测集成数据模型对目标癌症数据集进行癌症检测。如此，大大提升第一前沿面上的解的压缩率，同时提升分类准确度，采用了多目标集成来提升算法性能，大大降低了所选出来的集成模型数目，通过多目标集成，进一步提升算法对癌症样本的分类准确度。

技术领域

本发明涉及演化计算和分类学习技术领域，尤其涉及一种基于多目标演化算法的癌症检测方法。

背景技术

随着社会的发展，生活水平的提高，人们也越来越重视自己的身体健康。但是众多疾病却也一直威胁着人类的健康，影响人们的生活质量，像癌症，虽然医护人员可以从历史诊断的信息中判断出癌症，但是这是需要处理大量的信息和数据集合，那么如何有效并正确检测出癌症并进行相关治疗，成为了一项很重要的技术之一。又因为现实存在大量的医学数据信息，那么如何从中选出出重要的数据信息，来进行癌症检测是非常重要的。因此有必要从大量的医学数据中剔除掉噪音信息和冗余信息，筛选出重要的样本学习模型，来进行有效检测。

传统的基于wrapper和filter分类学习方法的对医学数据的压缩不够明显，依然存在大量的冗余和噪音信息，这使得训练分类的过程依然很耗时，同时分类的精度也待进一步提升。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于多目标演化算法的癌症检测方法；

本发明提出的一种基于多目标演化算法的癌症检测方法，包括：

S1、通过多目标进化算法筛选初始癌症数据集，得到癌症检测数据模型；

S2、通过多目标集成算法提高癌症检测数据模型的准确度，得到癌症检测集成数据模型；

S3、通过癌症检测集成数据模型对目标癌症数据集进行癌症检测。

优选地，步骤S1，具体包括：

S11、通过十折交叉将初始癌症数据集划分为训练集和测试集，对训练集上的样本通过超立方体拉丁抽样生成初始种群，其中，所述初始种群包含N个个体，所述癌症数据集最后一列为样本标签，初始种群采用二进制编码，初始种群中个体对应位为1表示选取该样本，为0表示不选取该样本；

S12、将训练集属性特征转换成分类器处理的格式，对训练集中数据进行归一化，对训练集中每个个体中数据进行训练得到SVM模型；

S13、通过多目标进化算法对初始种群进行种群进化，在进化到第一预设次数代时，引导种群的个体中局部信息指引进化，在进化到第二预设次数代时，获取第一前沿面上的解，从第一前沿面上的解中剔除掉压缩率低于预设压缩率的解，再对剩下的解中每个解的附近均匀局部扰动产生等量的一组解，对这组解进行非支配排序和拥挤距离计算后，选出N个解，得到癌症检测数据模型。

优选地，步骤S12中，所述对训练集中每个个体中数据进行训练得到SVM模型，具体包括：

采用的是libsvm中高斯核函数对训练集中每个个体中数据进行训练得到SVM模型，其中，C＝1,γ＝0.01，计算准确度f₁和压缩率f₂，

T是整个训练集的大小，S是减少的训练集数目，y_i是样本真实标签，y_i^*是样本预测标签，

优选地，步骤S13中，所述引导初始种群的个体中局部信息指引进化，具体包括：