主成分分析-支持向量机用于肝病分类模型

• 作者: 孙李娜 张云佳 张婧 方亚平 李梦龙 谭福元 黄田海
• 来源期刊: 化学研究与应用
• 学科: 化学
• 关键词: 肝功能指标 主成分分析 支持向量机 人工神经网络
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 评论与综述
• 页码范围: 113-116
• 页数: 4页
• 分类号: O657
• 字数: 2857字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1656.2008.02.001

摘要

将主成分分析(PCA)用于肝功能检测数据特征提取,然后用支持向量机(SVM)对乙肝、丙肝、肝硬化、正常人样本建立分类模型.采用高斯径向基函数(RBF)为核函数,调节核函数参数C及σ以建立最佳支持向量机模型.该模型对训练集的识别率为99.3%,对预测集的预测率为96.4%.结果表明:PCA-SVM法建立的肝病分类模型能较好的区分乙肝、丙肝、肝硬化及正常人,且分类效果优于传统支持向量机及人工神经网络(ANN)分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄田海	解放军第三二四医院检验科	13	81	5.0	8.0
2	张婧	四川大学化学学院	35	109	6.0	9.0
3	李梦龙	四川大学化学学院	79	604	14.0	20.0
4	张云佳	四川大学化学学院	3	14	2.0	3.0
5	方亚平	四川大学化学学院	15	56	4.0	7.0
6	谭福元	四川大学化学学院	2	4	1.0	2.0
7	孙李娜	四川大学化学学院	2	4	1.0	2.0