没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-集成优化核极限学习机的冠心病无创性诊断.pdf
需积分: 9 2 下载量 25 浏览量
2019-07-22
23:46:26
上传
评论
收藏 1.45MB PDF 举报
温馨提示
试读
6页
冠心病的早期无创性诊断一直是医疗诊断领域的研究热点,为了提高冠心病诊断的准确率和诊断效率,提出了一种新颖的局部Fisher判别分析(LFDA)特征提取方法和集成核极限学习机(KELM)相结合的冠心病诊断模型(LFDA-EKELM)。首先使用LFDA方法剔除不相关特征和冗余特征,找出对分类结果贡献度较高的特征子集,产生不同的训练集以训练粒子群优化的KELM分类器PSO-KELM;基于旋转森林(RF)构建集成分类器,实现冠心病的智能诊断。实验结果表明,与基于ELM、SVM和BPNN方法相比,该方法有效提高了冠心病诊断准确率、提升了诊断效率,且分类结果高于已有方法和相似方法,是一种有效冠心病诊断模型。
资源推荐
资源评论
资源评论
普通网友
- 粉丝: 484
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功