10.3969/j.issn.1006-9771.2009.11.036
粗糙集和支持向量机应用于帕金森病辅助诊断
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.
粗糙集、属性约简、支持向量机、帕金森病
15
R742.5(神经病学与精神病学)
2010-01-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
1086-1088