|
|||||
|
|
| SVM分类器在继发性干燥综合征诊断中的应用 | |
| 作者单位： | ;1.昆明理工大学信息工程与自动化学院 |
| 摘 要： | 本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。 |
| 关 键 词： | 支持向量机 预测 惩罚系数 核参数 粒子群算法 |
Application of SVM Classifier in the Diagnosis of Secondary Dryness Syndrome |
|
| Abstract: | |
| Keywords: | |