基于PSO-FWSVM的糖尿病预测模型

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)

所属期刊栏目：48

分类号：O141.4(数理逻辑、数学基础)

资助基金：国家自然科学基金项目;江苏省自然科学基础研究计划基金项目

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：993-998