乳腺肿瘤是一种严重危害女性健康的疾病，当前阶段还没有良好的治疗乳腺癌的方法，而越早的初期检查被认为是预防和治疗乳腺癌最佳的手段。乳腺的检查最常用的是通过生成X线图像来检查，但是由于初期乳腺肿瘤图像特征的特异性不强，很容易误诊和延误治疗。为了提高诊断的效率和准确性，现在其研究方向一直沿着工具化和智能化方向发展，而借助电脑技术来辅助医生，以实现对乳腺疾病进行更准确的诊断已成为一个研究热门。具体工作如下：
　　首先比较了国内外乳腺肿瘤识别的研究现状，分析了各种方法的优缺点。本文在传统乳腺肿瘤识别方法的基础上，融合多个特征信息，借助图像数据的张量化，并基于张量机建模，提出了一种基于多特征融合与机器学习的肿瘤识别方法研究。
　　基于传统的单特征融合方法，提出了一种基于多特征融合的乳腺肿瘤识别方法。通过基于肿块特征和基于密度特征分别进行融合，建模时利用神经网络、SVM 和模糊控制分别进行研究，寻找到最适合本研究的多特征融合方法。实验结果表明，通过结合SVM算法，基于多特征融合的乳腺肿瘤识别方法，具有较高的肿瘤识别性能。
　　在多特征融合的乳腺肿瘤识别方法基础上，结合乳腺肿瘤图像数据样本的特点，提出了一种基于多特征融合与张量机的乳腺肿瘤识别算法。该算法将多个特征统一进行处理，通过数据张量化，保留了数据样本中蕴藏的有用信息，通过特征降维、特征选择等步骤，最后进行建模仿真，并根据乳腺肿瘤图像样本数据进行验证来测试效果。
　　实验结果表明，基于多特征融合和机器学习的乳腺肿瘤识别方法，因为特征提取的时候，保留和挖掘肿瘤图像数据的组织特性和领域信息，并融合了多个特征，提高了乳腺肿瘤识别准确率，识别稳定性也有了很大的提升。