世界科学技术-中医药现代化
世界科學技術-中醫藥現代化
세계과학기술-중의약현대화
WORLD SCIENCE AND TECHNOLOGY-MODERNIZATION OF TRADITIONAL CHINESE MEDICINE
2010年
2期
185-187
,共3页
郭宙%杨学智%司银楚%朱庆文%牛欣%沙洪
郭宙%楊學智%司銀楚%硃慶文%牛訢%沙洪
곽주%양학지%사은초%주경문%우흔%사홍
脑梗死%分类算法%ANN%DT%k-NN%SVM%Bayes
腦梗死%分類算法%ANN%DT%k-NN%SVM%Bayes
뇌경사%분류산법%ANN%DT%k-NN%SVM%Bayes
目的:比较常用分类算法对脑梗死的分类预测能力.方法:将反映动脉弹性的6个脉搏波参数加年龄、性别一共8个指标作为每个样本的特征.把样本按3:1随机分为训练集和测试集两部分.分别利用人工神经网络(ANN)、贝叶斯(Bayes)、决策树(Decision Tree,DT)、K邻近法(k-NN)、支持向量机(SVM)算法构造分类器,使用各分类器对训练集样本进行学习以建立分类预测模型,再用测试集测试各个模型的分类准确度.结果:SVM分类器和DT分类器效果较好,准确率超过80%.结论:以反映血管弹性的脉搏波参数结合性别、年龄作为特征并使用SVM或者DT算法来构建分类预测模型,有一定实用价值.
目的:比較常用分類算法對腦梗死的分類預測能力.方法:將反映動脈彈性的6箇脈搏波參數加年齡、性彆一共8箇指標作為每箇樣本的特徵.把樣本按3:1隨機分為訓練集和測試集兩部分.分彆利用人工神經網絡(ANN)、貝葉斯(Bayes)、決策樹(Decision Tree,DT)、K鄰近法(k-NN)、支持嚮量機(SVM)算法構造分類器,使用各分類器對訓練集樣本進行學習以建立分類預測模型,再用測試集測試各箇模型的分類準確度.結果:SVM分類器和DT分類器效果較好,準確率超過80%.結論:以反映血管彈性的脈搏波參數結閤性彆、年齡作為特徵併使用SVM或者DT算法來構建分類預測模型,有一定實用價值.
목적:비교상용분류산법대뇌경사적분류예측능력.방법:장반영동맥탄성적6개맥박파삼수가년령、성별일공8개지표작위매개양본적특정.파양본안3:1수궤분위훈련집화측시집량부분.분별이용인공신경망락(ANN)、패협사(Bayes)、결책수(Decision Tree,DT)、K린근법(k-NN)、지지향량궤(SVM)산법구조분류기,사용각분류기대훈련집양본진행학습이건립분류예측모형,재용측시집측시각개모형적분류준학도.결과:SVM분류기화DT분류기효과교호,준학솔초과80%.결론:이반영혈관탄성적맥박파삼수결합성별、년령작위특정병사용SVM혹자DT산법래구건분류예측모형,유일정실용개치.
