一种用于乳腺癌诊断的免疫分类算法

摘要

基于人工免疫识别系统AIRS(Artificial immune recognition system)和核函数提出免疫分类算法Kernel-AIRS.Kernel-AIRS遵循AIRS算法框架,利用核函数将输入空间投影到高维核空间,以核空间距离来度量抗体-抗原的亲和度,提高算法对非线性可分问题的分类准确率.采用Kernel-AIRS定义核空间距离测量方法和规一化方法,分析抗体刺激度和核函数参数与分类准确率之间的关系,研究属性缺失样本对算法分类准确率的影响,并应用Kernel-AIRS算法诊断乳腺癌,分类准确率采用10次交叉验证评价.研究结果表明:Kernel-AIRS算法对排除属性缺失样本数据集分类的准确率为97.3%,对包含属性缺失样本数据集分类的准确率为96.9%,分类准确率较高,适用于乳腺癌的诊断.