排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
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。 相似文献
1