基于樽海鞘算法优化的帕金森病早期诊断模型研究与并行优化

摘要：

帕金森病是一种常见的神经性慢性疾病,由于其病因尚不明确,导致早期诊断精度低的问题,提出一种改进的优化核极限学习机方法用于帕金森病的早期诊断.研究利用混沌理论和高斯变异方法改进樽海鞘算法(salp swarm algorithm,SSA),提出一种基于进化机制的智能诊断模型ISSA-KELM.改进的SSA算法同步实现特征选择和KELM核函数的参数优化,有效地解决了模型的参数设定和最优特征选择问题,并基于OpenMP平台多线程调度处理模型,在保证模型分类精度最大化的同时进一步提高计算效率.实验结果表明,提出模型在分类精度上高于已有方法,计算效率也得到极大提高,具有较好的综合性能,验证了本模型有着很好的应用前景,有助于辅助临床医生在诊断中作出更准确的决策.

关键词：特征选择;樽海鞘算法;帕金森病早期诊断;核极限学习机;并行优化

所属期刊栏目：38

分类号：TP183(自动化基础理论)

资助基金：广东省教育厅重点平台及科研项目特色创新类项目;2020年度广东省普通高校特色创新项目;深圳市2020年度规划课题;2020年校企协同创新项目

在线出版日期：2021-10-22（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：2726-2731