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 |
|
|