粗糙集与支持向量机在肝炎诊断中的应用

被引：15

作者：

王刚 ^{[1
,2
]}

刘元宁 ^{[1
,2
]}

陈慧灵 ^{[1
,2
]}

董浩 ^{[1
,2
]}

朱晓冬 ^{[1
,2
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

来源：

吉林大学学报(工学版) | 2011年 / 41卷 / 01期

关键词：

人工智能; 粗糙集; 支持向量机; 肝炎诊断; 特征选择; 神经网络;

D O I：

10.13229/j.cnki.jdxbgxb2011.01.051

中图分类号：

R575.1 [肝炎]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于粗糙集与支持向量机(SVM)的肝炎诊断方法。利用粗糙集对原始特征进行约减,得到多个特征子集,然后采用组选择算法进行二次约减,根据约减后的特征子集生成新的数据集,使用SVM对新的数据集进行训练和预测。采用UCI机器学习公共数据集,试验结果与数据分析表明,与SVM、神经网络(NN)、决策树所预测的结果对比,本文方法具有较高的准确率,可以较准确地诊断数据是否呈阳性。

引用

页码：160 / 164

页数：5

共 4 条

[1] 基于免疫和进化扩散算法的全局优化问题求解算法 [J].