支持向量机在糖尿病遗传风险预测中的应用

发布时间：2021-06-22 10:38

　　糖尿病（DM）是一种以高血糖为特征的代谢性疾病,长期高血糖会导致各组织的慢性损害.随着大数据和云计算时代的到来,用人工智能的方法和思想分析,解读糖尿病相关数据已成为一种新的研究思路.针对糖尿病遗传临床数据非线性,高维数的特点,本文采用支持向量机（Support V ector Machine简称SV M）算法对血糖浓度进行回归分析,研究工作有三点:一是数据预处理,包括数据变换,数据清洗等;二是特征选择,选择使交叉验证误差最小的特征子集;三是构造混合核函数;四是参数优化. 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

糖尿病遗传风险预测血糖值分布

图 4.1 糖尿病遗传风险临床数据直接预测结果实验分析如图 4.2 糖尿病风险预测血糖值与观测值之差所示, 预测响应与观测值一致, 但仍有不小的误差, 值得注意的是高血糖值即 11.1mmol/L 的效果极不理想, 可能原因有:1. 数据预处理阶段缺失值的填补不合理，与一定的差距;2. 所选基础核函数具有随机性, 混合核函数构造不合理;3.λ 没有取到最优值;4. 支持向量机本身回归能力的局限.本章小结本章介绍了糖尿病遗传风险预测的实验代码, 展示了实验结果, 并对结分析, 指出了本文对于糖尿病遗传风险预测的进步点和不足之处, 为进做好了课题准备.

糖尿病遗传风险临床数据直接预测结果

【参考文献】：
期刊论文
[1]基于支持向量机和人工神经网络的2型糖尿病患病风险预测研究[J]. 侯玉梅,朱亚楠,尹福在.  现代预防医学. 2017(11)
[2]支持向量机在2型糖尿病影响因素分析中的应用[J]. 张颖.  电子技术与软件工程. 2015(09)
[3]基于支持向量机建立环境和遗传因素对2型糖尿病的预测模型[J]. 李娟,吴疆,卢莉,刘东磊,庞星火,胡永华.  中华疾病控制杂志. 2012(02)
[4]支持向量机在建立2型糖尿病预测模型中的应用[J]. 王勋,陈大方.  中国慢性病预防与控制. 2010(06)
[5]混合核函数支持向量机在系统建模中的应用[J]. 陆荣秀.  华东交通大学学报. 2010(02)

硕士论文
[1]支持向量机—微量元素法用于Ⅱ型糖尿病的模式识别[D]. 李丹.沈阳药科大学 2009
[2]基于支持向量机的特征提取方法研究与应用[D]. 蒋琳.湖南大学 2006



本文编号：3242686