粗糙集和支持向量机应用于帕金森病辅助诊断

摘要：

目的 研究基于粗糙集和支持向量机辅助诊断帕金森病的可行性.方法 利用粗糙集理论中基于属性重要度的约简算法,对临床诊断帕金森病的常用特征进行约简,再分别用基于线性、多项式和径向基(RBF)核函数的支持向量机实现分类,与传统BP神经网络分类结果比较.结果 属性约简与支持向量机结合的算法预测准确率为92.71%,比传统BP神经网络算法在准确率和稳定性方面都有优势.结论 粗糙集和支持向量机结合的方法可以提高分类的准确率,节省资源,是临床上辅助诊断帕金森病的一个有效手段.

关键词：粗糙集、属性约简、支持向量机、帕金森病

所属期刊栏目：15

分类号：R742.5(神经病学与精神病学)

在线出版日期：2010-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1086-1088