|
|||||
|
|
| 基于PSO优化的SVM在心脏病分类上的应用 | |
| 作者姓名： | 曹嘉嘉 严圆 陈益 尹玲 张斐 |
| 作者单位： | 1. 东莞理工学院计算机科学与技术学院;2. 纽卡斯尔大学工程学院;3. 东莞理工学院机械工程学院 |
| 基金项目： | 国家自然科学基金面上基金（62073091）；;Royal Society International Exchanges Scheme(IEC-NSFC-201029)； |
| 摘 要： | 心脏病是世界上致人死亡的主要疾病之一，疾病的早期诊断有利于后期的治疗。针对心脏病数据样本量少，特征变量多的特性，提出了一种基于粒子群优化（PSO）的支持向量机（SVM）心脏病辅助诊断算法。该方法以Cleveland heart disease为数据驱动，采用PSO优化SVM的超参数（包括惩罚参数和核函数参数），将PSO寻得的最优超参数作为最终模型参数。实验结果表明，所提算法的准确性比传统的SVM有所提高，最高分类准确率达到88%，并且训练过程更加自动化。 |
| 关 键 词： | 支持向量机 粒子群优化算法 心脏病分类 核函数 |