余 莹，樊重俊，朱人杰，2，熊红林，3

（1上海理工大学 管理学院，上海 200093；2同济大学附属东方医院，上海 200120；3万达信息股份有限公司，上海 201112）

0 引 言

近年来乳腺癌的多发以及所带来的严重后果已经在全球范围内引起了广泛关注，乳腺癌是影响成年女性的主要慢性疾病之一。全球范围内每年都有约1 000万的女性被诊断出罹患乳腺癌，并且超过50万女性死于乳腺癌［1］。随着现代经济的发展和医疗技术的进步，有大量的资源和现代技术可以应用于乳腺癌的筛查、诊断和控制工作。对于医生来说，要从大量的癌症病例当中详细了解每一个癌症患者的特征是十分困难的。因此，数据分析方法可以成为医生做出癌症诊断决策时的重要助手［2］。

早在1999年，Pena-Reyes和Sipper［3］提出了一种模糊遗传算法诊断乳腺癌。其研究结果表明，数据挖掘技术已成功应用于癌症预测中，传统的乳腺癌诊断已转化为数据分析领域的分类问题。现有的乳腺癌数据集被分为良性和恶性两类，通过历史肿瘤数据训练得到合适的分类器，来预测新的肿瘤数据。但随着描述肿瘤特征数据的增加，分类器的计算时间也急剧增加，在这种情况下，乳腺癌诊断的基本要求不仅是准确性，还包括时间复杂度。考虑到时间效率，如何从庞大的数据集中挖掘和提取必要的信息、过滤特征成为一个新的问题。

Akay（2009）［4］提出了一种基于SVM与特征选择相结合的方法来进行乳腺癌诊断。通过使用F分数［5］来计算特征价值，选择原始肿瘤特征的最佳子集进行SVM训练。……