基于弹性网-SVM的疾病诊断关键特征识别

• 作者: 刘子先 梁丽军 王化强
• 来源期刊: 计算机应用研究
• 关键词: 疾病诊断 特征选择 诊断规则 弹性网 支持向量机
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 算法研究与探讨
• 页码范围: 1301-1304,1308
• 页数: 5页
• 分类号: TP182
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.05.005

摘要

为了更好地识别具有影响因素多、样本量小等特点的疾病诊断的关键特征，辅助临床诊断决策的正确制定，提出了结合弹性网和支持向量机算法的疾病诊断关键特征识别方法。利用弹性网特征选择能力对原始数据集进行降维，得到影响疾病诊断的特征序列；根据特征序列选取关键特征子集，运用支持向量机和10折交叉验证方法获取相应特征子集的分类精度；以 UCI 中 Arrhythmia 数据集为例进行测试。结果表明，该方法能够得到较高的分类精度，并可以更有效地对原始样本数据集进行降维，去除影响因素中的冗余和不相关特征，适用于高维低样本量数据集的疾病诊断关键特征识别。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘子先	天津大学管理与经济学院	121	1226	20.0	27.0
2	梁丽军	天津大学管理与经济学院	4	32	3.0	4.0
4	王化强	天津大学管理与经济学院	6	55	4.0	6.0