朱悦
- 作品数：3 被引量：14H指数：3
- 供职机构：华南理工大学生物科学与工程学院更多>>
- 发文基金：国家自然科学基金广东省自然科学基金更多>>
- 相关领域：医药卫生交通运输工程更多>>
- SVM在冠心病分类预测中的应用研究被引量：5
- 2013年
- 本文基于体检获得的血压、血脂、尿糖和尿酸等数据指标,应用支持向量机(SVM)对南方人群冠心病患者和非冠心病患者进行分类研究,为进一步的预防和治疗提供指导。首先选取径向基核函数、线性核函数和多项式核函数,构造了SVM分类器,再采用粒子群优化(PSO)算法SVM惩罚参数C和核参数σ,最后进行冠心病的诊断和预测。通过与反向传播模型的人工神经网络、线性判别分析法、Logistic回归分析及优化前的SVM进行比较,我们的计算结果显示优化后的RBF-SVM的总体分类效果要优于其他数据挖掘算法,其分类准确率、敏感性和特异性分别高达94.51%、92.31%及96.67%。研究表明SVM在心血管疾病的预测和辅助诊断中有很大的应用潜力。
- 朱悦吴建华方颖
- 关键词：支持向量机冠心病粒子群优化
- SVM在冠心病分类预测中的应用研究
- 心血管疾病是人类死亡的首要因素，其中脑卒中和冠心病在中国分别居死因的第一和第三位。高发病率、高致残率、高死亡率是心血管疾病的主要特点，同时其高昂的治疗费用给社会和国家带来了巨大的经济负担，给家庭带来了巨大的灾难。心血管疾...
- 朱悦
- 关键词：心血管疾病SVMPSO优化算法数据挖掘
- 文献传递
- 基于SVM短时交通流量预测被引量：6
- 2012年
- 交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用。但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测。随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向。本文利用SVM(support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果。径向基SVM(RBF SVM)训练时间要比多项式SVM(polynomial SVM)短,预测准确率和精度也要比多项式SVM要好。从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度。
- 蒋晓峰许伦辉朱悦
- 关键词：SVM交通流量遗传算法
