本文選題：缺失值 + 支持向量機��； 參考：《數(shù)學(xué)的實踐與認識》2017年02期

【摘要】：為在數(shù)據(jù)缺失的情況下進行心臟病診斷并獲得較高的準確率,對缺失值進行處理后,利用徑向基函數(shù)支持向量機,采用交叉驗證和網(wǎng)格搜索尋找最佳懲罰參數(shù)和關(guān)聯(lián)參數(shù),對UCI Heart數(shù)據(jù)集進行分類,多分類準確率為81.89%,二分類準確率為89.61%.仿真結(jié)果表明,支持向量機網(wǎng)絡(luò)模型性能穩(wěn)定,樣本追加能力強,訓(xùn)練時間短,分類效果好,在心臟病等醫(yī)療診斷中有很大的應(yīng)用潛力.
[Abstract]:In order to diagnose heart disease in the absence of data and obtain higher accuracy, after processing the missing value, using radial basis function support vector machine, cross validation and grid search are used to find the best penalty parameter and correlation parameter. The classification of UCI Heart data sets shows that the accuracy of multiple classification is 81.89 and the accuracy of two classification is 89.61. The simulation results show that the support vector machine (SVM) network model has stable performance, strong ability of sample addition, short training time, good classification effect, and has great application potential in medical diagnosis such as heart disease.
【作者單位】： 三峽大學(xué)理學(xué)院;三峽大學(xué)電氣與新能源學(xué)院;
【基金】：國家自然科學(xué)基金(61179025) 湖北省教育廳重點項目(D20111201)
【分類號】：R541;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 張向東,畢韶丹,關(guān)宏宇;拮抗藥化合物活性的支持向量機研究[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2005年03期

2 羅萬春;;基于支持向量機的凝血功能診斷模型[J];數(shù)學(xué)的實踐與認識;2013年06期

3 謝洪波,王志中,黃海;表面肌電的支持向量機分類[J];北京生物醫(yī)學(xué)工程;2004年02期

4 陸強;馮敏;馬華;張西學(xué);;模糊聚類支持向量機在步態(tài)分類中的應(yīng)用[J];中國組織工程研究與臨床康復(fù);2011年09期

5 史鑫;羅述謙;;支持向量機在醫(yī)學(xué)圖像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

6 李磊;黃水平;;支持向量機原理及其在醫(yī)學(xué)分類中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2009年01期

7 鄭莉麗;李曉強;李福鳳;閆西平;王憶勤;王真真;;基于支持向量機的中醫(yī)望診唇色自動分類[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年01期

8 王浩軍,鄭崇勛,李映,朱華鋒,閆相國;支持向量機在血細胞分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

9 周舒冬;張磊;葉小華;楊云升;;支持向量機技術(shù)在疾病預(yù)后中的應(yīng)用和比較[J];數(shù)理醫(yī)藥學(xué)雜志;2007年06期

10 胡康達;符紅光;孔祥振;;分級聚類支持向量機在中醫(yī)舌像分類中的應(yīng)用[J];計算機應(yīng)用;2010年S2期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：1853885