基于PSO-FWSVM的糖尿病预测模型
缪琦
朱玉全
1.江苏大学计算机与通信工程学院 镇江 2120132.江苏大学计算机与通信工程学院 镇江 212013
摘要：糖尿病是三大慢性病之一,及早发现有利于对该病进行控制.为了提高早期诊断率,提出基于支持向量机(SVM)建立合适的糖尿病预测模型.在分析糖尿病数据特点基础上,提出对核函数进行加权处理,避免弱相关特征对分类结果的影响,从而提高了分类模型的识别率.之后采用自适应粒子群优化算法对FWSVM模型进行参数优化,并对某医院的实际糖尿病数据集进行模型的训练和识别.实验结果表明:相对于其他常用模型,论文的模型识别准确率和运算效率都有一定程度的提高,达到90.36％,性能上优于其他几种模型.
关键词：糖尿病预测支持向量机(SVM)特征加权(FW)粒子群优化(PSO)
分类号：O141.4(数理逻辑、数学基础)
资助基金：国家自然科学基金(61702229)江苏省自然科学基础研究项目(BK20150531)
论文发表日期：2020-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 993-998 )
英文信息