基于线性组合的骨质疏松疾病诊断分类模型研究
为了有效降低骨质疏松疾病临床诊断误诊、漏诊率,分析骨质疏松诊断指标体系,综合粒子群神经网络和支持向量机两种学习型算法,以误差绝对值和达到最小为准则建立疾病诊断分类模型。采用蚌埠医学院第一附属医院骨科患者实际病例数据作为样本集,对模型进行训练和测试,使误差达到规定要求,并将仿真结果与单一诊断模型进行比较。实证分析表明组合模型诊断误差明显小于单一诊断模型。用基于神经网络和支持向量机的线性组合模型诊断原发性骨质疏松病情,是可行有效的方法。
神经网络、支持向量机、组合模型、骨质疏松诊断
TP183(自动化基础理论)
蚌埠医学院自然科学基金资助项目,“基于人工神经网络和支持向量机的骨质疏松疾病诊断仿真系统研究”编号Byky1303
2014-12-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
8013-8015,8022