基于优化极限学习机的CVD预测模型研究

• 作者: 尚莉伽 张微 李奇航 李新建 逯鹏
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 心血管疾病 风险预测 极限学习机 粒子群
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 智能计算
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP2
• 字数: 3542字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2018.05.005

摘要

利用机器学习算法,改变传统心血管疾病(CVD)预测模型的严格数理化公式,以增加危险因素的纳入、降低数据格式的要求.首先提出利用基于单隐层前馈神经网络(SLFNs)的极限学习机(ELM)算法建立CVD预测模型;进一步通过五阶段连续变异方式建立增强领导粒子的粒子群算法(ELPSO),以粒子群(PSO)算法的优化策略,对SLFNs的隐层单元参数进行优化.通过对UCI数据库Statlog (heart)数据集和heart disease database分析结果显示,所提ELPSO-ELM模型测试正确率分别达到85.71％、84.00％,AUC(ROC曲线下面积)分别达到0.902 4、0.842 3,高于传统CVD预测模型,同时放松了数据线性化约束,能纳入更多的复杂危险因素.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新建	郑州大学电气工程学院	52	218	8.0	13.0
2	逯鹏	郑州大学电气工程学院	32	202	7.0	13.0
6	李奇航	郑州大学电气工程学院	3	9	2.0	3.0
8	张微	郑州大学电气工程学院	3	3	1.0	1.0
11	尚莉伽	北京市东城区中小学卫生保健所	1	0	0.0	0.0