计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
5期
1301-1304,1308
,共5页
疾病诊断%特征选择%诊断规则%弹性网%支持向量机
疾病診斷%特徵選擇%診斷規則%彈性網%支持嚮量機
질병진단%특정선택%진단규칙%탄성망%지지향량궤
disease diagnosis%feature selection%diagnosis rules%elastic net%support vector machine (SVM)
为了更好地识别具有影响因素多、样本量小等特点的疾病诊断的关键特征，辅助临床诊断决策的正确制定，提出了结合弹性网和支持向量机算法的疾病诊断关键特征识别方法。利用弹性网特征选择能力对原始数据集进行降维，得到影响疾病诊断的特征序列；根据特征序列选取关键特征子集，运用支持向量机和10折交叉验证方法获取相应特征子集的分类精度；以 UCI 中 Arrhythmia 数据集为例进行测试。结果表明，该方法能够得到较高的分类精度，并可以更有效地对原始样本数据集进行降维，去除影响因素中的冗余和不相关特征，适用于高维低样本量数据集的疾病诊断关键特征识别。
為瞭更好地識彆具有影響因素多、樣本量小等特點的疾病診斷的關鍵特徵，輔助臨床診斷決策的正確製定，提齣瞭結閤彈性網和支持嚮量機算法的疾病診斷關鍵特徵識彆方法。利用彈性網特徵選擇能力對原始數據集進行降維，得到影響疾病診斷的特徵序列；根據特徵序列選取關鍵特徵子集，運用支持嚮量機和10摺交扠驗證方法穫取相應特徵子集的分類精度；以 UCI 中 Arrhythmia 數據集為例進行測試。結果錶明，該方法能夠得到較高的分類精度，併可以更有效地對原始樣本數據集進行降維，去除影響因素中的冗餘和不相關特徵，適用于高維低樣本量數據集的疾病診斷關鍵特徵識彆。
위료경호지식별구유영향인소다、양본량소등특점적질병진단적관건특정，보조림상진단결책적정학제정，제출료결합탄성망화지지향량궤산법적질병진단관건특정식별방법。이용탄성망특정선택능력대원시수거집진행강유，득도영향질병진단적특정서렬；근거특정서렬선취관건특정자집，운용지지향량궤화10절교차험증방법획취상응특정자집적분류정도；이 UCI 중 Arrhythmia 수거집위례진행측시。결과표명，해방법능구득도교고적분류정도，병가이경유효지대원시양본수거집진행강유，거제영향인소중적용여화불상관특정，괄용우고유저양본량수거집적질병진단관건특정식별。
In order to better identify the critical features of disease diagnosis with the characteristics of high dimensional fea-tures and small sample sizes,and provide valuable guidance for clinical diagnosis decision making,this paper proposed a method of extracting rules for disease diagnosis based on elastic net and support vector machine(SVM).First,it used the elas-tic net to reduce the feature space dimension of the original data sets and obtained the feature order according the relationship between the features and disease diagnosis.Then,it tested the classification accuracy of the feature subset selected in the first step by utilizing SVMand 1 0-fold cross validation.Finally,it gave an example,used Arrhythmia data set from UCI machine learning repository.Compared with other algorithms,the proposed method has higher classification accuracy and is more effec-tive in reducing the irrelevant and useless characteristics.
