双峰分布去除与遗传算法在乳腺癌诊断神经网络中的应用
机器学习
2020-02-21 v1 计算机视觉与模式识别
神经与进化计算
图像与视频处理
摘要
乳腺癌的诊断在过去已被充分研究。多种线性规划模型被设计用于近似细胞特征与肿瘤恶性程度之间的关系。然而，这些模型在处理非线性关联方面能力较弱。神经网络则擅长处理复杂的非线性关联。因此，采用基于神经网络的模型来解决该癌症诊断问题无疑是有益的。特别地，向神经网络训练过程引入偏置被视为提高训练效率的重要手段。在众多提出的人为引入偏置的流行方法中，双峰分布去除（Bimodal Distribution Removal, BDR）展现出理想的效率提升结果以及实现的适当简洁性。然而，本文检验了 BDR 针对目标癌症诊断分类问题的有效性，并表明 BDR 过程实际上对分类性能有负面影响。此外，本文还探索了遗传算法作为一种高效的特征选择工具，并产生了相较于无任何特征选择的基线模型显著更优的结果。
引用
@article{arxiv.2002.08729,
title = {Bimodal Distribution Removal and Genetic Algorithm in Neural Network for Breast Cancer Diagnosis},
author = {Ke Quan},
journal= {arXiv preprint arXiv:2002.08729},
year = {2020}
}