首页|基于樽海鞘算法优化的帕金森病早期诊断模型研究与并行优化

基于樽海鞘算法优化的帕金森病早期诊断模型研究与并行优化

Research and parallel optimization of Parkinson's disease early diagnosis model based on improved salp swarm algorithm

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
帕金森病是一种常见的神经性慢性疾病,由于其病因尚不明确,导致早期诊断精度低的问题,提出一种改进的优化核极限学习机方法用于帕金森病的早期诊断.研究利用混沌理论和高斯变异方法改进樽海鞘算法(salp swarm algorithm,SSA),提出一种基于进化机制的智能诊断模型ISSA-KELM.改进的SSA算法同步实现特征选择和KELM核函数的参数优化,有效地解决了模型的参数设定和最优特征选择问题,并基于OpenMP平台多线程调度处理模型,在保证模型分类精度最大化的同时进一步提高计算效率.实验结果表明,提出模型在分类精度上高于已有方法,计算效率也得到极大提高,具有较好的综合性能,验证了本模型有着很好的应用前景,有助于辅助临床医生在诊断中作出更准确的决策.

马超、谭旭

展开 >

深圳信息职业技术学院 数字媒体学院,广东 深圳518172

深圳信息职业技术学院 软件学院,广东 深圳518172

特征选择 樽海鞘算法 帕金森病早期诊断 核极限学习机 并行优化

2017GWTSCX040KJ2021C006SK2020C018SZIIT2021KJ031

2021

10.19734/j.issn.1001-3695.2020.11.0547

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(9)
  • 4
  • 1