| 主成分分析-支持向量机用于肝病分类模型 |
| |
| 引用本文： | 张云佳,方亚平,黄田海,张婧,谭福元,孙李娜,李梦龙. 主成分分析-支持向量机用于肝病分类模型[J]. 化学研究与应用, 2008, 20(2): 113-116 |
| |
| 作者姓名： | 张云佳 方亚平 黄田海 张婧 谭福元 孙李娜 李梦龙 |
| |
| 作者单位： | 四川大学化学学院,四川,成都,610064;解放军第三二四医院检验科,重庆,400020 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 肝功能指标 主成分分析 支持向量机 人工神经网络 |
| 文章编号： | 1004-1656（2008）02-0113-04 |
| 收稿时间： | 2007-09-10 |
| 修稿时间： | 2007-11-23 |
Principal component analysis-support vector machine used to classified model of liver disease |
| |
| ZHANG Yun-Jia,FANG Ya-Ping,HUANG Tian-Hai,ZHANG Jing,TAN Fu-Yuan,SUN Li-Na,LI Meng-Long. Principal component analysis-support vector machine used to classified model of liver disease[J]. Chemical Research and Application, 2008, 20(2): 113-116 |
| |
| Authors: | ZHANG Yun-Jia FANG Ya-Ping HUANG Tian-Hai ZHANG Jing TAN Fu-Yuan SUN Li-Na LI Meng-Long |
| |
| Abstract: | |
| |
| Keywords: | liver function test principal component analysis(PCA) support vector machine(SVM) artificial neural network(ANN) |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
