基于SVM的脑中风分型诊断模型的优化研究 |
| |
引用本文: | 吕晓燕,罗立民,李祥生.基于SVM的脑中风分型诊断模型的优化研究[J].系统仿真学报,2009,21(12). |
| |
作者姓名: | 吕晓燕 罗立民 李祥生 |
| |
作者单位: | 1. 山西医科大学计算中心,太原,030001;东南大学计算机科学与工程系,南京,210096 2. 东南大学计算机科学与工程系,南京,210096 3. 山西医科大学计算中心,太原,030001 |
| |
基金项目: | 山西省"十一五"规划课题,山西医科大学创新基金 |
| |
摘 要: | SVM具有优良的学习能力和泛化能力,在应用SVM解决实际问题时,必须对其进行寻优,找到最合适的SVM模型.基于支持向量机模型算法,针对特征选择和核函数及参数选择单独优化的缺陷,提出了将特征选择和核函数及参数选择联合进行的优化方法.仿真实验结果表明,采用联合优化后的模型进行脑中风的预测诊断,准确率达94.3%.与单独优化相比,不仅提高了分类性能,而且缩短了模型的判别时间.
|
关 键 词: | 支持向量机 核函数 模式识别 脑中风 |
Research on Optimization of Apoplexy Sub-type Diagnosis Model Based on SVM |
| |
Abstract: | |
| |
Keywords: | support vector machines kernel pattern recognition Apoplexy |
本文献已被 万方数据 等数据库收录! |
|