SVM分类器在继发性干燥综合征诊断中应用.docVIP

SVM分类器在继发性干燥综合征诊断中应用 　　摘要： 本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题，提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理，使之成为能够适合支持向量机计算的量化数据；其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择，并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型；最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明，基于改进的粒子群算法优化的支持向量机分类模型参数的自优化，对该疾病预测诊断精度最高。 　　Abstract： In order to solve the problem that SLE patients complicated with secondary dryness syndrome is not easy to be diagnosed and diagnosed with strong subjectivity， a support vector machine intelligent algorithm for computer learning is proposed in this paper. First of materials in 141 patients with 26 kinds of diagnosis index of data pre processing， make it suitable for calculation of SVM is the quantitative data； followed by the use of cross validation method， grid search method， improved particle swarm optimization algorithm respectively to support vector machine model in the penalty factor C and kernel parameter g were optimized， and the use of MATLAB software were painted in the above three kinds of optimization methods that support vector machine parameter model； comparison choose of SLE patients with secondary Sjogren syndrome disease diagnosing and predicting the highest degree of prediction model. The results show that the algorithm based on improved particle swarm optimization algorithm to optimize the parameters of the support vector machine classification model， the highest accuracy of the prediction of the disease. 　　关键词： 支持向量机；预测；惩罚系数；核参数；粒子群算法 　　Key words： support vector machine；forecast；penalty coefficient；kernel parameters；PSO 　　中图分类号：TP391 文献标识码：A 文章编号：1006-4311（2016）26-0231-04 　　0 引言 　　继发性干燥综合征是指在已有肯定诊断的风湿病，如系统性红斑狼疮、类风湿关节炎等基础上出现了干燥综合征，本文是以系统性红斑狼疮（systemic lupus erythematosus，简称SLE）患者并发继发性干燥综合症病例为研究对象。虽然现存2002年干燥综合征国际分类（诊断）标准，但由于系统性红斑狼疮（systemic lupus erythematosus，简称SLE）患者往往随着病程的推移，以一种或两种及以上的风湿学疾病同时并发出现，医者只能凭借多年的临床经验给予诊断结果，因此该诊断结果一般伴随着医者的主观性或由于医者经验不出而错过患者的最佳治疗时间。 　　支持向量机（Support Vector Machine，简称SVM）是一种基于结构风险最小化原理，以训练误