|
|||||
|
|
| 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！ | |