化学研究与应用
化學研究與應用
화학연구여응용
CHEMICAL RESEARCH AND APPLICATION
2008年
2期
113-116
,共4页
张云佳%方亚平%黄田海%张婧%谭福元%孙李娜%李梦龙
張雲佳%方亞平%黃田海%張婧%譚福元%孫李娜%李夢龍
장운가%방아평%황전해%장청%담복원%손리나%리몽룡
肝功能指标%主成分分析%支持向量机%人工神经网络
肝功能指標%主成分分析%支持嚮量機%人工神經網絡
간공능지표%주성분분석%지지향량궤%인공신경망락
将主成分分析(PCA)用于肝功能检测数据特征提取,然后用支持向量机(SVM)对乙肝、丙肝、肝硬化、正常人样本建立分类模型.采用高斯径向基函数(RBF)为核函数,调节核函数参数C及σ以建立最佳支持向量机模型.该模型对训练集的识别率为99.3%,对预测集的预测率为96.4%.结果表明:PCA-SVM法建立的肝病分类模型能较好的区分乙肝、丙肝、肝硬化及正常人,且分类效果优于传统支持向量机及人工神经网络(ANN)分类模型.
將主成分分析(PCA)用于肝功能檢測數據特徵提取,然後用支持嚮量機(SVM)對乙肝、丙肝、肝硬化、正常人樣本建立分類模型.採用高斯徑嚮基函數(RBF)為覈函數,調節覈函數參數C及σ以建立最佳支持嚮量機模型.該模型對訓練集的識彆率為99.3%,對預測集的預測率為96.4%.結果錶明:PCA-SVM法建立的肝病分類模型能較好的區分乙肝、丙肝、肝硬化及正常人,且分類效果優于傳統支持嚮量機及人工神經網絡(ANN)分類模型.
장주성분분석(PCA)용우간공능검측수거특정제취,연후용지지향량궤(SVM)대을간、병간、간경화、정상인양본건립분류모형.채용고사경향기함수(RBF)위핵함수,조절핵함수삼수C급σ이건립최가지지향량궤모형.해모형대훈련집적식별솔위99.3%,대예측집적예측솔위96.4%.결과표명:PCA-SVM법건립적간병분류모형능교호적구분을간、병간、간경화급정상인,차분류효과우우전통지지향량궤급인공신경망락(ANN)분류모형.
