26、医疗数据分类与大规模虚拟筛选的前沿技术探索

医疗数据分类与大规模虚拟筛选的前沿技术探索

医疗数据分类新算法

医疗保健系统积累了海量信息，手动对这些数据进行分类变得愈发困难，因此自动化医疗数据分析方法的需求日益增长。有研究提出了基于二进制萤火虫算法（BFA）与支持向量机（SVM）分类器相结合的包装器方法，用于医疗数据集的特征选择和分类。

与遗传算法（GA）、模因算法（MA）结合SVM分类器的方法相比，BFA - SVM算法在分类准确性方面表现出色。从表4可以看出，在11个被检查的数据集中，有8个数据集上BFA - SVM算法的平均分类率最佳，并且在11个数据集中有10个数据集达到了分类准确率的最大值。同时，该算法分类准确率的标准差较小，这表明它具有很好的一致性，证明了它在医疗数据诊断中作为优秀分类器的能力。

算法	平均分类率表现最佳的数据集数量	达到分类准确率最大值的数据集数量
BFA - SVM	8个（11个数据集中）	10个（11个数据集中）
HAS + SVM	-	-
MA + SVM	-	-
GA + SVM	-	- </