心血管病是一種對身體極具傷害性的疾病。近年來,我國心血管病的發(fā)病率和死亡率逐年上升,給我國的社會與經(jīng)濟帶來了嚴重的負面影響。心血管病是中國乃至全世界的頭號死亡病因,且心血管病具有高死亡率和高致殘率的特點,使得患心血管病的人們難以痊愈,所以心血管病的一級預防顯得格外重要,而很多研究表明,心血管病的大部分主要危險因素是可以人為調(diào)整的。因此有必要針對心血管病,開發(fā)準確高效的早期預測工具來識別高危人群,進行發(fā)病預警,同時建議高危人群改變不合理的生活習慣來調(diào)整危險因素水平,從而降低心血管病的發(fā)病風險。本文在分析已存在的疾病預測方法的基礎(chǔ)上,鑒于SVM算法和DS證據(jù)理論的優(yōu)勢,提出了一種SVM-DS疾病預測模型,用于心血管病預測。該模型基于SVM算法進行建模,用建立好的模型對病情進行預測,將SVM模型輸出的后驗概率轉(zhuǎn)換為BPA函數(shù),引入DS證據(jù)理論,將BPA函數(shù)進行合成,根據(jù)決策規(guī)則輸出最終預測結(jié)果。接著,本研究提出將疾病相關(guān)的危險因素劃分為主要危險因素和潛在危險因素,對兩部分危險因素分別進行分析的策略,以心臟病為例,通過對心臟病相關(guān)危險因素進行Logistic回歸多因素分析,得到了與心臟病顯著相...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容與章節(jié)安排
第二章 預測模型的理論基礎(chǔ)
    2.1 支持向量機
        2.1.1 支持向量機算法
        2.1.2 支持向量機的基本原理
        2.1.3 函數(shù)間隔和幾何間隔
        2.1.4 核函數(shù)
    2.2 Logistic回歸
        2.2.1 二項Logistic回歸
        2.2.2 LR模型參數(shù)估計
        2.2.3 LR因素分析
    2.3 DS證據(jù)理論
        2.3.1 DS證據(jù)理論的識別框架
        2.3.2 基本概率分配函數(shù)
        2.3.3 信度函數(shù)及似真函數(shù)
        2.3.4 DS證據(jù)理論的合成規(guī)則
        2.3.5 證據(jù)理論的優(yōu)勢
    2.4 模型性能評價標準
        2.4.1 ROC曲線
        2.4.2 歸一化混淆矩陣
    2.5 本章小結(jié)
第三章 數(shù)據(jù)預處理及危險因素分析
    3.1 數(shù)據(jù)預處理
        3.1.1 數(shù)據(jù)集介紹
        3.1.2 異常值處理
        3.1.3 缺失值處理
        3.1.4 數(shù)據(jù)標準化處理
        3.1.5 預處理實驗結(jié)果
    3.2 心血管病危險因素
        3.2.1 年齡、性別、家族史
        3.2.2 高血壓
        3.2.3 血脂異常
        3.2.4 糖尿病
        3.2.5 其他因素
    3.3 危險因素的篩選
        3.3.1 危險因素篩選策略
        3.3.2 危險因素分析實驗
    3.4 本章小結(jié)
第四章 疾病預測模型的建立和結(jié)果分析
    4.1 基于LR的心臟病預測模型
        4.1.1 LR疾病預測模型實現(xiàn)過程
        4.1.2 實驗結(jié)果分析
    4.2 基于SVM的心臟病預測模型
        4.2.1 SVM疾病預測模型實現(xiàn)過程
        4.2.2 實驗結(jié)果分析
    4.3 SVM-DS心臟病預測模型
        4.3.1 SVM-DS疾病預測模型框架
        4.3.2 SVM-DS疾病預測模型實現(xiàn)過程
        4.3.3 實驗結(jié)果分析
        4.3.4 DS證據(jù)理論的合成
    4.4 模型的性能比較
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 工作展望
參考文獻
致謝
作者簡介



本文編號：3765682