基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf

基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf

ID:54981169

大小:272.07 KB

页数:3页

时间:2020-05-07

基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf_第1页
基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf_第2页
基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf_第3页
资源描述:

《基于混合核函数PSO-SVM的初期肝病患者辨识模型研究-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、《工业控制计算机}2013年第26卷第9期97基于混合核函数PSO—SVM的初期肝病患者辨识模型研究LiverDiseaseIdentificationBasedonHybridKernelSVM梁本乙明夏雨辰(江西理工大学电气工程与自动化学院,江西赣州341000)摘要以肝脏病人为例,提出将PSO—SVM分类模型用于识别肝病患者。针对单核函数SVM的局限性和改善SVM分类器的非线性处理能力和泛化能力的问题,提出将全局核函数和局部核函数结合的混合核函数应用到SVM模型建模中。然后通过PSO算法对SVM模型的参数寻优,最后利用

2、混合核分类器对与肝功能相关的9种指标进行分类并识别初期肝病患者。该实验结果证明该模型对初期肝病患者的辨识有很好的准确率,可以为医生的诊断提供重要的辅助手段和对患者尤其是初期肝病患者及时发现、及时治疗。关键词:支持向量机,混合核函数,肝功能指标,粒子群优化算法AbstractInliverpatient,forexample,thispaperputsforwardPSO—SVMclassificationmodelusedtoidentifyliverpatient.Inordertosolvethelimitationof

3、SVMwithonlyonekernelandimprovenonlinearprocessingabilityandgeneralizationabilityofSVMclassifier.ProposedtogetahybridkernelfunctionforthemodelingoftheSVMmodelwhichismixedwithglobalkernelfunc—tionandlocalkernelfunction.AndthenoptimizetheparametersoftheSVMmodelbyPSOal

4、gorithm,finallyhybridkernelclassi—tierisusedforliverfunctionrelatednineindicatorstoclassifyandidentifythepatientintheearlystagesofliverdiseaseKeywords:supportvectormachines(SVM),hybridkernelfunction,liverfunctionindex,ParticleSwarmOptimization(PSO)al—gorithm在医生日常对肝

5、脏的诊断中的肝功能指标有许多的参考指点各不相同,所以由它们所构成的SVM的性能也完全不同。因标。例如有①反映肝细胞蛋白合成代谢功能的指标:总蛋白此,针对某一特定问题,选择什么样的核函数是至关重要的。目(TP)、白蛋白(ALB)、前白蛋白(PA)、胆碱酯酶(CHE)、凝血酶前研究最多的核函数有3类:原时间(PT)。②反映肝细胞有无受损及严重程度的指标:谷丙转1)多项式核函数氨酶ALT(GPT)、谷草转氨酶AST(GOT)、胆碱酯酶(CHE)、等。=((x·)+7)③反映肝脏胆排泄、分泌及解毒功能的指标:总胆红素(TBIL)、2

6、)径向基核函数(RBF):直接胆红素(DBIL)。在肝病的检查过程中,临床医生在对肝功,,f(,=exp(一lx一}1‘/:2‘)(2)能指标判断,再跟据一些病例的各自不同情况,追加检测其它指3)Sigmoid函数:标,并结合病人病史,临床表现等进行综合分析、判断肝病的严K=tanh(v(x·xj)+c)(3)重程度以及是否需要治疗,但这易受医生水平和经验的影响。而这些核函数分为两大类:全局核函数和局部核函数。全局针对这些非线性性指标,,之前已有通过数据挖掘方法对临核函数具有全局特性,允许相距很远的数据点都可以对核函数床一些

7、疾病进行计算机辅助诊断的研究。为了对患者尤其是初的值有影响;局部核函数具有局部性,只允许相距很近的数据点期肝病患者及时诊断、及时治疗本文准备采用SVM技术对数据对核函数的值有影响。这三种不同的核函数中(1)为全局性核函集中的指标综合考虑进行分类识别。数(2)、(3)为局部性核函数。本文将采用支持向量机(SupportVectorMachine,SVM)因为局部性核函数学习能力强、泛化性能较弱,而全局性核SVM技术对数据集中与肝功能相关的9项指标分析。虽然早有函数泛化性能强、学习能力较弱,因此考虑把这两类核函数线性将SVM应用

8、于医学领域的进行分类的研究,但是效果不尽如人组合。构造出来的新函数为:意。为得到性能更为优良的SVM分类模型,提出对多个核函数,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。