控制理论与应用

作者：李莉,汪咏,陆宁,林国义

单位：同济大学,同济大学,同济大学,同济大学

关键词：乳腺癌; 支持向量机; 分类; 量子计算

基金：Supported by the National Key R&D Program of China (2018YFE0105000, 2018YFB1305304), Shanghai Municipal Science and Technology Major Project under grant (2021SHZDZX0100) and Shanghai Municipal Commission of Science and Technology (1951113210, 1951113

乳腺癌具备易于复发性和高死亡率等特点, 已成为女性癌症患者死亡的重要原因. 乳腺癌的早期诊断可增加癌症治愈的可能性, 因此, 提高早期诊断的准确性尤为重要. 传统的早期诊断主要依靠人类经验, 通过分析临床或检查数据来判断乳腺癌, 无法保证足够的准确性. 许多研究人员提出了各种机器学习方法, 以提高预测的准确性和效率. 但现有的算法计算复杂性很高, 并且难以从多种算法中直接确定最适合的算法. 本文尝试了10种流行的分类算法, 比较了它们之间的差异, 并应用了量子支持向量机来加速计算过程. 数值实验显示支持向量机和人工神经网络的预测效果最佳,表明了多种分类算法混合比较的有效性

来源：2021年第10期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2021年第10期