关联规则优化的心脏疾病诱发因素检测算法

• 作者: 毛颉 王红玉
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 关联规则挖掘 心脏疾病 诱发因素检测 克利夫兰数据 支持向量机 粒子群优化
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 优化控制技术及应用
• 页码范围: 1286-1290
• 页数: 5页
• 分类号: TP399
• 字数: 5402字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160242

摘要

针对现有的心脏疾病诊断系统耗时较多、昂贵且容易出错的问题,提出一种基于关联规则优化PSO-SVM的心脏疾病诱发因素检测算法.首先,利用关联规则挖掘算法选择疾病的特征,并对特征数据集进行训练;然后,PSO-SVM对训练集和测试集进行分类,并根据分类结果分析心脏疾病诱发因素;最后,在UCI克利夫兰数据集上以置信度作为指标的实验验证了提出的算法的有效性及可靠性.实验结果表明,相比其他两种较为先进的分类算法,提出的算法取得了更好的分类性能,为医生诊断和治疗心脏疾病提供了一个强有力的检测工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红玉		11	36	4.0	6.0
2	毛颉		9	17	3.0	4.0