糖尿病（DM）是一種以高血糖為特征的代謝性疾病,長期高血糖會導(dǎo)致各組織的慢性損害.隨著大數(shù)據(jù)和云計算時代的到來,用人工智能的方法和思想分析,解讀糖尿病相關(guān)數(shù)據(jù)已成為一種新的研究思路.針對糖尿病遺傳臨床數(shù)據(jù)非線性,高維數(shù)的特點,本文采用支持向量機(jī)（Support V ector Machine簡稱SV M）算法對血糖濃度進(jìn)行回歸分析,研究工作有三點:一是數(shù)據(jù)預(yù)處理,包括數(shù)據(jù)變換,數(shù)據(jù)清洗等;二是特征選擇,選擇使交叉驗證誤差最小的特征子集;三是構(gòu)造混合核函數(shù);四是參數(shù)優(yōu)化. 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【部分圖文】：

糖尿病遺傳風(fēng)險預(yù)測血糖值分布

圖 4.1 糖尿病遺傳風(fēng)險臨床數(shù)據(jù)直接預(yù)測結(jié)果實驗分析如圖 4.2 糖尿病風(fēng)險預(yù)測血糖值與觀測值之差所示, 預(yù)測響應(yīng)與觀測值一致, 但仍有不小的誤差, 值得注意的是高血糖值即 11.1mmol/L 的效果極不理想, 可能原因有:1. 數(shù)據(jù)預(yù)處理階段缺失值的填補(bǔ)不合理，與一定的差距;2. 所選基礎(chǔ)核函數(shù)具有隨機(jī)性, 混合核函數(shù)構(gòu)造不合理;3.λ 沒有取到最優(yōu)值;4. 支持向量機(jī)本身回歸能力的局限.本章小結(jié)本章介紹了糖尿病遺傳風(fēng)險預(yù)測的實驗代碼, 展示了實驗結(jié)果, 并對結(jié)分析, 指出了本文對于糖尿病遺傳風(fēng)險預(yù)測的進(jìn)步點和不足之處, 為進(jìn)做好了課題準(zhǔn)備.

糖尿病遺傳風(fēng)險臨床數(shù)據(jù)直接預(yù)測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)的2型糖尿病患病風(fēng)險預(yù)測研究[J]. 侯玉梅,朱亞楠,尹福在.  現(xiàn)代預(yù)防醫(yī)學(xué). 2017(11)
[2]支持向量機(jī)在2型糖尿病影響因素分析中的應(yīng)用[J]. 張穎.  電子技術(shù)與軟件工程. 2015(09)
[3]基于支持向量機(jī)建立環(huán)境和遺傳因素對2型糖尿病的預(yù)測模型[J]. 李娟,吳疆,盧莉,劉東磊,龐星火,胡永華.  中華疾病控制雜志. 2012(02)
[4]支持向量機(jī)在建立2型糖尿病預(yù)測模型中的應(yīng)用[J]. 王勛,陳大方.  中國慢性病預(yù)防與控制. 2010(06)
[5]混合核函數(shù)支持向量機(jī)在系統(tǒng)建模中的應(yīng)用[J]. 陸榮秀.  華東交通大學(xué)學(xué)報. 2010(02)

碩士論文
[1]支持向量機(jī)—微量元素法用于Ⅱ型糖尿病的模式識別[D]. 李丹.沈陽藥科大學(xué) 2009
[2]基于支持向量機(jī)的特征提取方法研究與應(yīng)用[D]. 蔣琳.湖南大學(xué) 2006



本文編號：3242686