肝细胞癌(HCC)是世界范围内癌症相关死亡的第二大病因,在世界范围内肝癌的发病率都呈上升趋势,全球每年大约有75万的新发病例。在中国,基于人口的研究表明,肝细胞癌的发病率和死亡率在所有的癌症类型里均排在第二位,并且其发病率近似于死亡率,这说明患有肝癌的大部分患者都死于肝细胞癌。在临床上,我们通常通过检测AFP和腹部超声波检测法来诊断肝癌。而这种传统的诊断方法存在两个问题：1.当检测到AFP异常时,患者大多数往往已经到了肝癌晚期,这时候不管是手术还是放疗或化疗等,患者的治愈率都是极低的,并且花费极高；2.AFP并不是诊断肝癌的唯一标志物,有时这个标志物在诊断肝癌时是无效的,因此可能导致误诊,延误了患者的最佳治疗期。因此本篇论文以某医院提供的当地早期肝癌、肝病患者的检测指标为研究对象,提取这些指标之间的隐藏模式和关系,通过这些指标及关系构建诊断早期肝癌的分类器,从而达到尽早预测肝癌、提高诊断肝癌准确率的目的。研究内容包括以下方面：(1)分析早期肝癌患者和肝病患者的各项检测指标,并对数据进行分析和预处理。从分析结果上看,早期肝癌患者的AFP值大多数都处于正常范围内,与肝病患者相当；而这两类患者的其他检测指标大多数都高于正常范围。因此两者之间的检测指标存在交叉部分,单靠检测指标并不能将肝癌患者与肝病患者区分开来。数据预处理方面,利用关联算法提取特异性指标,利用特征选择和主成分分析(PCA)对数据进行降维处理。(2)利用SVM对肝癌患者和肝病患者进行分类研究,建立支持向量机分类器模型。此分类器模型整合了经过数据预处理得到的16种特异性指标,这些指标对于肝癌的诊断具有重要意义；同时利用网格划分法和粒子群优法算法优化SVM模型参数,最终分类器模型的预测准确率分别是94.186%和93.0233%。(3)针对基本粒子群算法容易陷入局部最优的问题,提出了自适应变异粒子群算法,利用变异操作对粒子群算法进行优化,以求达到全局最优解,提高分类器的准确率,最终得到的预测准确率是95.3488%。