基于支持向量机的冠心病辅助诊断研究

• 作者: 吕晓燕 李祥生 罗立民 郭建军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 核函数 模式识别 冠心病
• 年，卷（期）: 2008,（36）
• 所属期刊栏目: 工程与应用
• 页码范围: 221-223,229
• 页数: 4页
• 分类号: TP391.9
• 字数: 3497字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.36.064

摘要

支持向量机(SVM)是在统计学习理论基础上发展而来的一种新的通用学习方法,较好地解决了有限样本的学习分类问题.用支持向量机的分类算法,选取不同的核函数,构造了支持向量机的不同分类器,并将其应用于冠心痛的预测诊断.仿真结果表明,非线性的支持向量机取得了较高的准确率,支持向量机在早期冠心病的诊断中有很大的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗立民	东南大学计算机科学与工程系	246	2011	23.0	31.0
2	李祥生	山西医科大学计算中心	42	223	9.0	13.0
3	吕晓燕	山西医科大学计算中心	27	160	6.0	12.0
7	郭建军		1	6	1.0	1.0