疾病作為人類健康的一大威脅,不僅關(guān)系到每個家庭的幸福,還關(guān)系到整個社會的穩(wěn)定與發(fā)展。準(zhǔn)確的疾病診斷結(jié)果對其預(yù)防與治療有著至關(guān)重要的作用。疾病診斷是一個復(fù)雜的決策過程,傳統(tǒng)的疾病診斷過程及結(jié)果主要依賴醫(yī)生的經(jīng)驗和專業(yè)水平。隨著人工智能技術(shù)的廣泛應(yīng)用,支持向量機作為一種常用的分類模型,對于小樣本、高維數(shù)據(jù)的分類問題具有很好的魯棒性與適應(yīng)能力,在輔助疾病診斷中取得了不錯的效果。然而,在支持向量機訓(xùn)練過程中,存在大量對于確定最終超平面沒有意義的約束。本論文對支持向量機訓(xùn)練方法進行研究,提出SVMPM訓(xùn)練算法,并將訓(xùn)練得到的支持向量機結(jié)合集成學(xué)習(xí)用于疾病診斷,輔助醫(yī)生得到更準(zhǔn)確的診斷結(jié)果。本論文主要研究內(nèi)容如下:1.針對支持向量機訓(xùn)練過程中約束條件過多的問題,提出了一種約束簡化策略。該策略首先基于QuickHull算法尋找樣本類邊界點完成對約束條件的第一次簡化;然后,根據(jù)已得到樣本點的組合計算屬于不同類的樣本點間的距離并排序;最后,基于預(yù)先設(shè)置的閾值,通過刪除距離較遠(yuǎn)的樣本點完成對約束條件的簡化。實驗結(jié)果表明,使用了該約束簡化策略的支持向量機模型,可保持與經(jīng)典支持向量機相同的分類效果。2.本論文... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

二維空間樣本類凸包

的解決思想就是將一個復(fù)雜的問題通過拆分轉(zhuǎn)化想分別求解子問題，最終整合成原問題需要求解法有所改進。結(jié)合圖 2.2 所示具體步驟如下：標(biāo)系中標(biāo)出各點坐標(biāo)，找出橫坐標(biāo)最小和最大的定在凸包上。點 A 和點 B 所確定的直線 AB 將部分的點，找到距離直線 最遠(yuǎn)的點 。點 和點 ，分別作直線 和直線 ，此時將直視為上包。第 2、3 步。做同樣的處理。

論文 第 訓(xùn)練集 ( ) ( ) ( ) 表正例。在由訓(xùn)練集內(nèi)所有樣本點確定的空間劃分超平面，完成將所有樣本按照不同類別到最終確定的劃分超平面應(yīng)當(dāng)對未知樣本點的中兩類樣本點相隔正中間位置的劃分超平面

【參考文獻】：
期刊論文
[1]Challenges of Big Data analysis[J]. Jianqing Fan,Fang Han,Han Liu.  National Science Review. 2014(02)
[2]一種改進的支持向量機NN-SVM[J]. 李紅蓮,王春花,袁保宗.  計算機學(xué)報. 2003(08)

碩士論文
[1]非線性優(yōu)化問題的精確罰函數(shù)算法研究[D]. 魏大松.重慶大學(xué) 2007



本文編號：2975284