發(fā)布時(shí)間：2018-05-06 21:13

  本文選題：缺失值 + 支持向量機(jī)　； 參考：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2017年02期

【摘要】：為在數(shù)據(jù)缺失的情況下進(jìn)行心臟病診斷并獲得較高的準(zhǔn)確率,對(duì)缺失值進(jìn)行處理后,利用徑向基函數(shù)支持向量機(jī),采用交叉驗(yàn)證和網(wǎng)格搜索尋找最佳懲罰參數(shù)和關(guān)聯(lián)參數(shù),對(duì)UCI Heart數(shù)據(jù)集進(jìn)行分類,多分類準(zhǔn)確率為81.89%,二分類準(zhǔn)確率為89.61%.仿真結(jié)果表明,支持向量機(jī)網(wǎng)絡(luò)模型性能穩(wěn)定,樣本追加能力強(qiáng),訓(xùn)練時(shí)間短,分類效果好,在心臟病等醫(yī)療診斷中有很大的應(yīng)用潛力.
[Abstract]:In order to diagnose heart disease in the absence of data and obtain higher accuracy, after processing the missing value, using radial basis function support vector machine, cross validation and grid search are used to find the best penalty parameter and correlation parameter. The classification of UCI Heart data sets shows that the accuracy of multiple classification is 81.89 and the accuracy of two classification is 89.61. The simulation results show that the support vector machine (SVM) network model has stable performance, strong ability of sample addition, short training time, good classification effect, and has great application potential in medical diagnosis such as heart disease.
【作者單位】： 三峽大學(xué)理學(xué)院;三峽大學(xué)電氣與新能源學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61179025) 湖北省教育廳重點(diǎn)項(xiàng)目(D20111201)
【分類號(hào)】：R541;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張向東,畢韶丹,關(guān)宏宇;拮抗藥化合物活性的支持向量機(jī)研究[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

2 羅萬(wàn)春;;基于支持向量機(jī)的凝血功能診斷模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2013年06期

3 謝洪波,王志中,黃海;表面肌電的支持向量機(jī)分類[J];北京生物醫(yī)學(xué)工程;2004年02期

4 陸強(qiáng);馮敏;馬華;張西學(xué);;模糊聚類支持向量機(jī)在步態(tài)分類中的應(yīng)用[J];中國(guó)組織工程研究與臨床康復(fù);2011年09期

5 史鑫;羅述謙;;支持向量機(jī)在醫(yī)學(xué)圖像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

6 李磊;黃水平;;支持向量機(jī)原理及其在醫(yī)學(xué)分類中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2009年01期

7 鄭莉麗;李曉強(qiáng);李福鳳;閆西平;王憶勤;王真真;;基于支持向量機(jī)的中醫(yī)望診唇色自動(dòng)分類[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年01期

8 王浩軍,鄭崇勛,李映,朱華鋒,閆相國(guó);支持向量機(jī)在血細(xì)胞分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

9 周舒冬;張磊;葉小華;楊云升;;支持向量機(jī)技術(shù)在疾病預(yù)后中的應(yīng)用和比較[J];數(shù)理醫(yī)藥學(xué)雜志;2007年06期

10 胡康達(dá);符紅光;孔祥振;;分級(jí)聚類支持向量機(jī)在中醫(yī)舌像分類中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2010年S2期

相關(guān)會(huì)議論文 前10條

1 余樂(lè)安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類型[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國(guó)第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：1853885