本文選題：狼瘡性腎炎 + 遺傳算法��； 參考：《昆明理工大學(xué)》2017年碩士論文

【摘要】：系統(tǒng)性紅斑狼瘡(Systemic Lupus Erythematosus,SLE)是一種病因未明的自身免疫性疾病,該疾病一般伴著多種多樣的自身抗體且以多個(gè)系統(tǒng)損害共同形成的。在確診的SLE患者中約有80%的患者患有狼瘡性腎炎(Lupus Nephritis,LN)。LN是SLE繼發(fā)性疾病中發(fā)病率最高的,同時(shí)由于其發(fā)病原因復(fù)雜多樣、影響因素眾多而變得非常難以確診。因此,對(duì)LN疾病的診斷具有非常重要的醫(yī)學(xué)意義。醫(yī)學(xué)上有兩種診斷方法,一種是通過診斷標(biāo)準(zhǔn)進(jìn)行確診,一種是通過病癥表現(xiàn)的積分進(jìn)行輔助診斷,但是這兩種方法都存在一些弊端,前一種方法容易出現(xiàn)誤診和漏診,后一種方法使用起來(lái)比較麻煩,工作量太大。因此本文用了 一種基于支持向量機(jī)(Support Vector Machine,SVM)模型的智能算法診斷方法。該方法通過搜集處理大量的LN疾病相關(guān)數(shù)據(jù),把不同的病例分別用不同的數(shù)字表示,通過SVM模型進(jìn)行智能預(yù)測(cè),最終達(dá)到輔助診斷的目的。但是由于SVM算法在實(shí)際應(yīng)用過程中,例如懲罰參數(shù)的選擇和核參數(shù)的選擇方面也存在著某些不足。因此,本文提出了基于遺傳算法(Genetic Algorithm,GA)優(yōu)化SVM參數(shù)和核函數(shù)參數(shù)的模型(即GA-SVM模型)和一種基于(c,g,ε)的GA-SVM優(yōu)化算法模型在LN中的應(yīng)用,進(jìn)而在此基礎(chǔ)上提出了一種改進(jìn)的GA-SVM優(yōu)化模型。使用三種智能算法分別對(duì)同一數(shù)據(jù)集進(jìn)行仿真預(yù)測(cè),對(duì)比三種模型的仿真結(jié)果,基于改進(jìn)的GA-SVM算法在誤差值、均方誤差和線性相關(guān).度方面都取得了很大的改進(jìn),更加適用于LN疾病的診斷預(yù)測(cè)。
[Abstract]:Systemic lupus erythematosus (systemic lupus erythematosus) is an unknown autoimmune disease. About 80% of SLE patients with lupus nephritis have the highest incidence of SLE secondary diseases. At the same time, it is very difficult to diagnose the disease because of its complex causes and many influential factors. Therefore, the diagnosis of LN disease has very important medical significance. There are two diagnostic methods in medicine, one is to make a diagnosis by diagnostic criteria, the other is to make an auxiliary diagnosis through the integral of the manifestation of the disease. However, there are some drawbacks in the two methods. The former method is prone to misdiagnosis and missed diagnosis. The latter method is more troublesome to use, the workload is too large. Therefore, an intelligent algorithm diagnosis method based on support vector machine support Vector machine model is used in this paper. By collecting and processing a large number of LN disease related data, the different cases are represented by different numbers, and the intelligent prediction is carried out by SVM model. Finally, the purpose of auxiliary diagnosis is achieved. However, SVM algorithm also has some shortcomings in practical application, such as the selection of penalty parameters and kernel parameters. Therefore, this paper presents a model (GA-SVM model) based on genetic algorithm (GA) to optimize the parameters of SVM and kernel function (i.e., GA-SVM model) and a model of GA-SVM optimization algorithm based on genetic algorithm (蔚) in LN. Then an improved GA-SVM optimization model is proposed. Three intelligent algorithms are used to predict the same data set, and the simulation results of the three models are compared. The improved GA-SVM algorithm is based on error, mean square error and linear correlation. Great improvements have been made in degree, which is more suitable for the diagnosis and prediction of LN disease.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R692.3;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王瓊瑤;何友全;彭小玲;;基于改進(jìn)遺傳算法的支持向量機(jī)參數(shù)優(yōu)化方法[J];計(jì)算機(jī)與現(xiàn)代化;2015年03期

2 盧春紅;顧曉峰;;改進(jìn)GA-SVM在冠狀動(dòng)脈疾病診斷中的應(yīng)用[J];生物學(xué)雜志;2014年04期

3 邵福波;董玉林;胡運(yùn)紅;;支持向量機(jī)理論發(fā)展與應(yīng)用綜述[J];泰山學(xué)院學(xué)報(bào);2013年06期

4 楊鐘瑾;;粒子群和遺傳算法優(yōu)化支持向量機(jī)的破產(chǎn)預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2013年18期

5 楊陽(yáng);陶彩霞;張睿興;;遺傳算法優(yōu)化支持向量機(jī)的道岔控制電路故障診斷[J];計(jì)算機(jī)測(cè)量與控制;2013年01期

6 高飛;劉金良;肖剛;;基于整數(shù)編碼遺傳算法改進(jìn)的起重機(jī)主梁優(yōu)化[J];起重運(yùn)輸機(jī)械;2012年08期

7 張旭;;狼瘡性腎炎20例中西醫(yī)結(jié)合治療臨床分析[J];中國(guó)煤炭工業(yè)醫(yī)學(xué)雜志;2012年06期

8 秦涵書;魏延;曾紹華;;一種基于小生境遺傳算法的SVM參數(shù)優(yōu)化方法[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2011年12期

9 高濵;孫德翔;邢國(guó)平;黃勇;;基于遺傳算法優(yōu)化支持向量機(jī)的航空裝備維修費(fèi)用預(yù)測(cè)[J];兵工自動(dòng)化;2011年09期

10 張紅;張建紅;康巖松;;基于GA的改進(jìn)SVM算法對(duì)RBF優(yōu)化算法在短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

相關(guān)博士學(xué)位論文 前1條

1 李恩穎;近似模型優(yōu)化體系關(guān)鍵技術(shù)研究及應(yīng)用[D];湖南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前3條

1 王瓊瑤;基于改進(jìn)的支持向量機(jī)技術(shù)在股票短期價(jià)格預(yù)測(cè)中的應(yīng)用[D];重慶交通大學(xué);2015年

2 段楊;遺傳算法的若干改進(jìn)及其在支持向量機(jī)中的應(yīng)用研究[D];南京郵電大學(xué);2012年

3 劉碧森;支持向量機(jī)研究及其應(yīng)用[D];電子科技大學(xué);2003年

，

本文編號(hào)：1832916