基于特征选择与LCSSA-LSSVM算法的糖尿病预测模型研究与应用.pdfVIP

摘要

糖尿病作为一种全球性的慢性代谢性疾病，其发病率正逐年增加。该疾病不仅治疗周期

长、病情复杂，还容易引发多种并发症，例没心血管疾病、视网膜病变等，这些都会影响患

者的健康状态和生活质量。随着大数据技术的不断发展和医疗技术的不断进步，糖尿病预测

模型的研究逐渐从传统的统计方法转向机器学习、深度学习等智能技术。本文针对糖尿病的

诊断预测问题，借助机器学习技术构建慢性疾病预测模型，为糖尿病的早期诊断提供帮助。

在特征选择方面，本研究对现其的技术进行了优化，以筛选出对疾病预测高度相关的特征变

量。在模型构建过程中，通过引入群体智能优化算法，并对算法进行改进和性能测试，以进

一步提升模型的预测性能。本文的具体工作内容主特分为下面三个部分：

注1）为了克服在处理高维数据时，面临计算负担沉重及特征间相互影响导致评估结果

不准确等难题，本文采用特征选择技术进行特征约简，提出一种融合对称不确定性的随机式

特征选择算法注SU-GAFS）。算法采用对称不确定性作为特征相关性评估标准，评估特征之

间及特征与类别之间的相关性，从而构建遗传算法中新的适应度函数。SU-GAFS通过结合

遗传算法的随机搜索能力，实现了对特征集合的其效降维。

注2）为了提高最小二乘支持向量机注