首页|改进的支持向量机在心脏病预测中的研究

改进的支持向量机在心脏病预测中的研究

Application of Improved Support Vector Machine in Heart Disease Prediction

扫码查看
原文链接
  • 万方数据
  • 维普
应用支持向量机对心脏病患者和非心脏病患者的分类进行研究,构建心脏病预测模型,辅助医生进行心脏病诊断.选用径向基核函数构造支持向量机分类器,利用网格搜索与交叉验证相结合的方法对模型进行初步的优化,缩小参数寻优的取值范围,在此基础上使用粒子群优化算法(PSO)对模型进行进一步优化,得到模型最佳的惩罚因子C和核参数g.将优化前的支持向量机和参数优化后的支持向量机预测的结果进行比较,可看出优化后模型分类预测的结果得到了明显的提升,分类准确率提升到84.04％,灵敏度和特异度分别提升到92.73％和71.79％.通过对实验结果的观察,可看出该心脏病预测模型的分类准确率得到了提升,可应用于心脏病辅助诊断.

王成武、郭志恒、晏峻峰

展开 >

湖南中医药大学 信息科学与工程学院,湖南 长沙 410208

心脏病 支持向量机 网格搜索 粒子群优化 灵敏度 特异度

湖南省教育科研重点项目湖南省研究生创新课题

18A219CX2018B479

2022

10.3969/j.issn.1673-629X.2022.03.029

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(3)
  • 2
  • 9