版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、統(tǒng)計學習理論是一種專門研究有限樣本情況下機器學習規(guī)律的理論,它不僅考慮了對推廣能力的要求,而且追求在現(xiàn)有有限信息的條件下得到最優(yōu)結(jié)果。支持向量機是在統(tǒng)計學習理論的基礎(chǔ)上發(fā)展而來的一種新的機器學習方法,在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。 本文提出了一種用于最佳特征子集選取的特征篩選算法,且實現(xiàn)了特征與分類識別相關(guān)性強度的排序,并通過使用該算法對Ⅱ型糖尿病判別與風險因素篩選,求證了該方法的可靠性和可行性
2、。本文將該算法稱為Feature-Filtrate算法。當以該算法提取的特征子集{腰圍、腰圍/臀圍、舒張血壓、年齡)作為輸入向量時,敏感度、特異性、準確率最高,分別為0.8666、0.6420、0.7014。同時,為了比較該方法的優(yōu)越性,本文還采用了決策樹、多層感知器建立類似模型分析同一數(shù)據(jù)集做比較。本文還將Feature-Filtrate算法與主成分分析法進行比較。試驗表明,在特征提取方面該算法優(yōu)于主成分分析法。因此,基于支持向量機的
3、Feature-Filtrate算法對風險因素篩選、分類識別是一種有效的方法,為解決該類問題探索了一條有效途徑。而且,本文采用決策樹的思想對上述方法進行擴展,達到了多類分類和最佳特征子集的確定的目的。 本文用Java技術(shù)實現(xiàn)了Ⅱ型糖尿病預測系統(tǒng)。該系統(tǒng)用支持向量機結(jié)合Feature-Filtrate算法進行數(shù)據(jù)挖掘,預測用戶患Ⅱ型糖尿病的概率風險,提供用戶適合的醫(yī)療保健途徑,并能夠?qū)Σ±畔?、用戶信息等進行管理。同時,該系統(tǒng)將有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的特征提取與目標跟蹤算法研究.pdf
- 基于特征提取與支持向量機的企業(yè)財務困境預測研究.pdf
- 基于SIFT與支持向量機的醫(yī)學圖像特征提取與識別算法研究.pdf
- 基于結(jié)合特征提取與支持向量機的人臉識別系統(tǒng)研究.pdf
- 基于支持向量機的特征選擇方法的研究與應用.pdf
- 筆跡鑒別圖像處理特征提取支持向量機論文
- 基于波形特征提取與支持向量機分類的顱內(nèi)壓增高預測研究.pdf
- 模擬電路故障診斷的特征提取及支持向量機集成方法研究.pdf
- 基于核主成分分析特征提取及支持向量機的人臉識別應用研究.pdf
- 基于改進支持向量機的腦部醫(yī)學圖像分割及腫瘤圖像特征提取的研究.pdf
- 自適應小波包特征提取支持向量機建模及光譜分析應用.pdf
- 基于時頻特征提取和支持向量分類的主動目標識別.pdf
- 基于支撐向量機的衛(wèi)星姿控系統(tǒng)異變特征提取.pdf
- 信號特征提取方法與應用研究.pdf
- 基于特征空間局部線性提取的擬線性支持向量機研究.pdf
- 圖像特征提取方法研究及應用.pdf
- 特征提取方法及其應用研究.pdf
- 基于想象運動腦機接口的特征提取方法研究.pdf
- 基于Hilbert譜特征提取的智能識別方法研究與應用.pdf
- 基于浮選泡沫圖像特征提取方法的研究及應用.pdf
評論
0/150
提交評論