面向健康评估的机器学习方法研究与应用

《面向健康评估的机器学习方法研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、欺．巧－心－；－Ａ击种泼＊赛ＵＮＩＩＶＥＲＳＩＴＹＯＦＥＬ巨ＣＴＲＱＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＫＮＯＬＯＧＹＯｆＣＨＮＡ：，｜；麵藝：、巧邮扣＼硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ曼轟进－／巧雜襲．．Ｃ：．：如抽做贼賊。＾苗、＊论文题日曲向健康评化的机器学习方法研兔与应用学科专化计算机化用技术学号朋肆０３．．．．＿—作者烛名赵家英函＊＇——盞＿’；＇＇＇＇：：＇＇－．Ｖ：．片町；Ｖ巧．与巧哨盐段辭聽觀盛瓣刊林：＾：：｜：議；賀皆窓某Ｖ盞独剑性声明本人声明所呈交的学位

2、论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方夕ｈ论文中不包含其他人己经发表或撰写过的硏究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我－－－同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表巧谢意。２作者签名：起表矣日期；王如＾年６巧＿＿７日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可臥将学位论文的全部或部分内容编入有

3、关数据库进行检索，可采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）’作者签名：＿＿导师签名：冻悼非八日期：如／６年６月巧日分类号密级注1UDC学位论文面向健康评估的机器学习方法研究与应用赵家英指导教师蔡洪斌教授电子科技大学成都申请学位级别硕士学科专业计算机应用技术提交论文日期2016.3.29论文答辩日期2016.5.16学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchandApplicationonMachineLearningMethodsforH

4、ealthAssessmentAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerApplicationTechnologyAuthor:ZhaoJiayingSupervisor:Prof.CaiHongbinSchool:SchoolofComputerScience&Engineering摘要摘要分类是机器学习的主要任务之一。生活中的一些决策问题便可以看作分类问题，比如与人们健康紧密相关的疾病诊断。分类算法将会从训练样本中训练合适的模型从而给出更加智能的结果，辅

5、助医生进行诊断。然而针对某种疾病，直接使用某种分类算法做出决策，可能并不能达到理想的效果，因为各种分类算法在不同数据集上的分类效果存在差异，即不存在一种分类算法在任何数据集上的表现，均优于其他分类算法。鉴于疾病诊断对于准确率有非常高的要求，如何构造具有强泛化能力的分类诊断模型，成为机器学习在这一领域的研究重点。本文主要针对某些疾病，研究构造具有更高分类准确率的分类诊断模型，从而为疾病诊断提供更加准确的结果。通过比较K-近邻(KNN)，Logistic回归和支持向量机(SVM)等监督分类算法在乳腺癌和糖尿病数据集上的分类准确率，找出更适合乳腺癌和糖尿病诊断的分类诊断模型。在此基础上，针对冗

6、余特征对分类准确率的影响，提出一种集成混合特征选择和线性SVM的乳腺癌诊断模型，进一步提高了乳腺癌诊断的准确率；针对网格搜索对高斯核SVM参数优化效果不佳的问题，提出一种集成改进的加速粒子群优化算法和高斯核SVM的糖尿病诊断模型，提高了糖尿病诊断的准确率。本文主要贡献和研究成果如下：(1)通过比较K-近邻(KNN)，Logistic回归和支持向量机(SVM)等分类算法对于乳腺癌和糖尿病的诊断准确率，发现线性SVM对于乳腺癌的诊断获得了最高的准确率，而高斯核SVM对于糖尿病的诊断准确率更高，这些内容是进行后续研究的基础。(2)针对冗余特征对训练时间和分类准确率的影响，提出一种结合相关性与序

7、列选择的混合特征选择方法，结合线性SVM，构建出集成混合特征选择和线性SVM的乳腺癌诊断模型，进一步提高了线性SVM对于乳腺癌诊断的准确率。(3)针对参数对高斯核SVM性能的影响，对加速粒子群优化算法进行了改进，提出一种集成改进的加速粒子群优化算法和高斯核SVM的糖尿病诊断模型，进一步提高了高斯核SVM对于糖尿病诊断的准确率。关键词：机器学习，分类，疾病诊断，支持向量机，特征选择IABSTRACTABSTRACTClassifica