首页|Bagging算法驱动的心血管疾病预测模型及智能床垫应用

Bagging算法驱动的心血管疾病预测模型及智能床垫应用

扫码查看
原文链接
  • 万方数据
  • 维普
目前,机器学习在疾病预测领域的应用日益广泛.文章介绍了SVM(支持向量机)、CART(分类与回归树)决策树、KNN(K近邻)3种机器学习算法,并将这3种算法构建的模型应用于心血管疾病(CVD)的预测中.结果表明,SVM模型表现最优.此外,为进一步提高模型的性能和鲁棒性,在这3个基模型中均融合了Bagging算法.研究结果显示,3个模型的性能均得到了不同程度的提升,其中CART决策树模型的性能提升最为显著,但SVM模型仍然保持最佳表现.利用机器学习技术对CVD进行有效预测的方法可应用于智能床垫上,通过监测和分析用户的生理数据,智能化地评估心血管疾病风险,为实现便捷的智能健康管理提供了一种有效途径,对CVD的预防和诊断具有重要价值.

李长云、赵永晗、王志兵、莫启辉、徐曦

展开 >

湖南工业大学 计算机学院,湖南 株洲 412007

智能信息感知及处理技术湖南省重点实验室,湖南 株洲 412082

Bagging算法 疾病预测模型 机器学习 心血管疾病 智能床垫

2024

企业科技与发展
广西科学技术情报研究所

企业科技与发展

CHSSCD
影响因子：0.331
ISSN：1674-0688
年,卷(期)：2024.(11)