支持向量机的心脏病多生理参数诊断方法研究

发布时间：2016-10-10 09:26

  本文关键词：SVM在冠心病分类预测中的应用研究，，由笔耕文化传播整理发布。

《河北工业大学》 2015年

基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究

董慧康  

【摘要】：心脏病是各种心脏疾病的统称,具体包括风湿性心脏病、先天性心脏病、高血压性心脏病、冠心病、心肌炎等。作为一种高死亡率的疾病,心脏病已成为人类死亡的首要因素,给患病者家庭带来了巨大的经济负担和生活灾难。在医疗领域,如果能够对心脏病进行早期确诊,并由此开展早期干预,可以使患者尽早采取有效治疗手段,避免心脏病的突发造成灾难性的后果。因此,针对性地开展患者生理参数监测,有效开展心脏病的诊断研究,对心脏病的早期干预和治疗具有很大的应用价值。本文围绕着疾病诊断领域中的心脏病诊断展开研究,通过借助对患者多生理参数的监测,结合先进的数据分析和人工智能方法,建立了基于人群搜索-支持向量机(SOA-SVM)的心脏病多生理参数诊断模型,从而有效地对患者的心脏状态进行诊断,增强医学领域心脏疾病诊断的准确性。主要内容包括以下方面:一、心脏病多生理监测参数的选取与处理。围绕着心脏病的机理和发展现状展开分析,进而明确了论文的分析对象。指出了医学数据的特点,并针对本文研究,论述了数据选取的基本来源和预处理方法。二、基于人群搜索SOA的支持向量机模型参数优化方法研究。在基于支持向量机分类模型的应用过程中,最重要的环节就是选取核函数参数与惩罚因子,这直接影响到模型的分类准确率,论文研究了人群搜索SOA这一启发式随机搜索算法,通过仿真分析验证了其与PSO、GA等算法的优势。并为SVM的模型参数优化,建立最优的分类诊断模型打下良好的基础。三、基于SOA-SVM的心脏病诊断模型的建立与应用。通过建立高效的病例参数监测诊断模型,可以依据心脏病患者的生理参数特征进行分析诊断。通过引入人群搜索优化算法SOA,可以有效地对SVM的模型参数进行优化,本文提出基于SOA-SVM的心脏病多生理参数诊断模型,并对该模型的应用流程进行论述。采用UCI提供的Heart Disease数据集进行方法的有效性验证。

【关键词】：
【学位授予单位】：河北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R541
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 徐冬;陈彩霞;王翰虎;;RS-LMBP神经网络在心脏病诊断中的应用研究[J];计算机仿真;2011年02期

2 王华东;李巍;;粒子群算法的物流配送路径优化研究[J];计算机仿真;2012年05期

3 雷秀娟;付阿利;孙晶晶;;改进PSO算法的性能分析与研究[J];计算机应用研究;2010年02期

4 吴兆苏;;心血管疾病危险因素、分层和预防[J];继续医学教育;2006年01期

5 王世卿;曹彦;;基于遗传算法和支持向量机的特征选择研究[J];计算机工程与设计;2010年18期

6 黄龙生;张日权;;0-1分布的贝叶斯检验在医疗检查中的应用[J];数理统计与管理;2009年06期

7 姚锦宝;姚宝珍;尹智宏;于滨;;基于双种群遗传算法的公交线路发车间隔优化[J];深圳大学学报(理工版);2012年06期

8 李琴;;基于粗糙集的医疗诊断决策[J];现代计算机(专业版);2010年14期

9 戴朝华;陈维荣;朱云芳;郑永康;李奇;;IIR数字滤波器设计的搜寻者优化算法[J];西南交通大学学报;2009年06期

10 刘金江;王春光;孙即祥;;基于稀疏分解和神经网络的心电信号波形检测及识别[J];信号处理;2011年06期

中国硕士学位论文全文数据库 前6条

1 谢涛;CBR-RBR融合推理模型构建及其在医疗中的应用[D];天津大学;2010年

2 张岩;基于FPGA的心电信号自动诊断技术研究[D];河北工业大学;2011年

3 李宁山;基于人工神经网络的肾小球滤过率估算研究[D];华南理工大学;2012年

4 庞显涛;基于BP神经网络的心脏病预测研究与实现[D];吉林大学;2012年

5 朱悦;SVM在冠心病分类预测中的应用研究[D];华南理工大学;2013年

6 滕文龙;基于人工智能的医疗诊断系统研究与设计[D];吉林大学;2013年

【共引文献】

中国期刊全文数据库 前10条

1 贾德香;韩净;;基于改进粒子群算法的配电网电压无功优化控制[J];安徽电气工程职业技术学院学报;2009年01期

2 高鹍;孙德翔;邢国平;黄勇;;基于遗传算法优化支持向量机的航空装备维修费用预测[J];兵工自动化;2011年09期

3 刘峰,胡非;用遗传算法优化工业污染源布局[J];城市环境与城市生态;2003年06期

4 许秀丽;王震宇;王洪军;孙毅;李欣;;基于细菌群体趋药性算法的电力系统无功优化[J];东北电力大学学报(社会科学版);2009年04期

5 王秀云;杨龑亮;王彬;杨冬梅;刘立伟;;模拟渔夫捕鱼寻优算法的无功优化[J];东北电力大学学报;2011年02期

6 李鑫滨;朱庆军;马红霞;李强波;;粒子群算法及其在电力系统无功优化中的应用综述[J];燕山大学学报;2008年03期

7 黄方良;周玲;任新新;陈月峰;;基于GA-RBF神经网络的变压器温升预测[J];电测与仪表;2012年04期

8 马继山;杨洪耕;;基于内点法和改进粒子群算法的无功优化混合策略[J];电工电能新技术;2010年04期

9 吴秀华;朴在林;刘美菊;石敏惠;;神经网络在电力系统无功优化中的应用[J];电气应用;2007年09期

10 陈延秋;张尧;魏映华;胡金磊;;改进遗传算法结合灵敏度分析的无功优化[J];电气应用;2008年07期

中国博士学位论文全文数据库 前10条

1 钱峰;典型FACTS装置在电网中接入点、容量及类型选择方法研究[D];中国电力科学研究院;2009年

2 张颖媛;微网系统的运行优化与能量管理研究[D];合肥工业大学;2011年

3 王联国;人工鱼群算法及其应用研究[D];兰州理工大学;2009年

4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

5 刘志文;基于外网等值的多区域电力系统无功优化计算[D];华南理工大学;2011年

6 徐曼;基于智能融合模型的心脏病急救决策鲁棒性研究[D];天津大学;2011年

7 吕艳新;被动声目标识别理论研究[D];南京理工大学;2011年

8 方璐;企业能量管理与节能技术研究及应用[D];湖南大学;2011年

9 史宏达;港区堤防布置的数值模拟与优化[D];中国海洋大学;2003年

10 胡兆庆;基于VSC的HVDC控制及其动态特性研究[D];华中科技大学;2005年

中国硕士学位论文全文数据库 前10条

1 曹彦;基于支持向量机的特征选择及其集成方法的研究[D];郑州大学;2010年

2 罗文光;大同煤矿电网优化研究[D];辽宁工程技术大学;2009年

3 孔政伟;数控铣削物理仿真及优化系统研究[D];哈尔滨理工大学;2010年

4 张宇;混合动力电动汽车再生制动控制策略研究[D];哈尔滨理工大学;2010年

5 龚娇龙;基于食物链生态进化算法的输电网扩展规划[D];南昌大学;2010年

6 黄小银;电力系统动态无功功率优化调度的研究[D];南昌大学;2010年

7 张斓;中国城市社区人群健康评估指标体系研究[D];北京协和医学院;2010年

8 杨传鑫;参数模糊控制的智能优化算法及其应用[D];华东理工大学;2011年

9 杨维;微粒群优化算法及其在风资源评估中的应用[D];华东理工大学;2011年

10 阮解琼;基于综合灵敏度的无功规划优化研究[D];昆明理工大学;2009年

【二级参考文献】

中国期刊全文数据库 前10条

1 张福丽;景天忠;王志英;谢淑萍;张晖;;气象因素与杨干象虫口密度的多元线性回归和判别分析[J];安徽农业科学;2011年15期

2 王芳;程水源;李明君;范清;;遗传算法优化神经网络用于大气污染预报[J];北京工业大学学报;2009年09期

3 袁克虹;陈自强;贾少微;肖平;;基于内容的脑部MRI影像搜索的医学信息系统的研制[J];北京生物医学工程;2007年06期

4 杨毓英，史习智，蔡悦斌;基于黑板模型的心电图解释系统BBIS－ECG设计[J];北京生物医学工程;1996年04期

5 董守玲，张作生;模糊综合诊断方法在心电计算机处理中的应用[J];北京生物医学工程;1997年03期

6 戚建新，卞正中，杨强;基于微机的心电信号实时自动分析系统[J];北京生物医学工程;1997年03期

7 郑法雷;章友康;陈香美;吴华;;慢性肾脏病——公共卫生领域的新挑战——写在2009“世界肾脏日”之前[J];北京医学;2009年03期

8 张元标;吕广庆;;基于混合粒子群算法的物流配送路径优化问题研究[J];包装工程;2007年05期

9 龚向东;黄虹宾;刘春平;;主从可配置I2C总线接口IP及其应用[J];电讯技术;2010年01期

10 杨青生;黎夏;;基于遗传算法自动获取CA模型的参数——以东莞市城市发展模拟为例[J];地理研究;2007年02期

中国博士学位论文全文数据库 前5条

1 纪璟峰;中国成人心血管疾病危险因素的流行病学研究[D];北京协和医学院;2011年

2 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年

3 邓伟;BP神经网络构建与优化的研究及其在医学统计中的应用[D];复旦大学;2002年

4 叶文宇;心电自动诊断技术的研究[D];天津大学;2003年

5 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年

中国硕士学位论文全文数据库 前10条

1 项钰;南方人群心血管疾病患者危险因素的调查研究[D];华南理工大学;2011年

2 李丽霞;BP神经网络及其在疾病预后分类问题中的应用[D];山西医科大学;2002年

3 张利彪;基于粒子群优化算法的研究[D];吉林大学;2004年

4 高媛;非支配排序遗传算法（NSGA）的研究与应用[D];浙江大学;2006年

5 王亚南;专家系统中推理机制的研究与应用[D];武汉理工大学;2006年

6 李伟;几种自适应滤波算法的研究与应用[D];燕山大学;2006年

7 牛忠远;我国物流需求预测的神经网络模型和实证分析研究[D];浙江大学;2006年

8 陈照明;汽车制动专家系统知识库的建立及推理机制研究[D];吉林大学;2006年

9 吴仕勇;基于数值计算方法的BP神经网络及遗传算法的优化研究[D];云南师范大学;2006年

10 李曙歌;基于面向对象知识表示的专家系统的实现[D];山东大学;2006年

【相似文献】

中国期刊全文数据库 前10条

1 龙伟;刘培勋;曾平;徐阳;;支持向量机与中药研究[J];中草药;2008年10期

2 张向东,毕韶丹,关宏宇;拮抗药化合物活性的支持向量机研究[J];辽宁大学学报(自然科学版);2005年03期

3 罗万春;;基于支持向量机的凝血功能诊断模型[J];数学的实践与认识;2013年06期

4 谢洪波,王志中,黄海;表面肌电的支持向量机分类[J];北京生物医学工程;2004年02期

5 陆强;冯敏;马华;张西学;;模糊聚类支持向量机在步态分类中的应用[J];中国组织工程研究与临床康复;2011年09期

6 史鑫;罗述谦;;支持向量机在医学图像分割中的应用[J];北京生物医学工程;2007年03期

7 李磊;黄水平;;支持向量机原理及其在医学分类中的应用[J];中国卫生统计;2009年01期

8 郑莉丽;李晓强;李福凤;闫西平;王忆勤;王真真;;基于支持向量机的中医望诊唇色自动分类[J];生物医学工程学杂志;2011年01期

9 王浩军,郑崇勋,李映,朱华锋,闫相国;支持向量机在血细胞分类中的应用[J];生物医学工程学杂志;2003年03期

10 周舒冬;张磊;叶小华;杨云升;;支持向量机技术在疾病预后中的应用和比较[J];数理医药学杂志;2007年06期

中国重要会议论文全文数据库 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年

中国博士学位论文全文数据库 前10条

1 张晓雷;支持向量机若干问题的研究[D];清华大学;2012年

2 王瑜;基于支持向量机和多信息融合的局部放电故障诊断研究[D];华北电力大学;2015年

3 郭虎升;支持向量机的优化建模方法研究[D];山西大学;2014年

4 姚毓凯;支持向量机关键技术及其在人体活动识别中的应用研究[D];兰州大学;2015年

5 周叶;基于新异类检测和支持向量机的水电机组诊断技术研究[D];中国水利水电科学研究院;2015年

6 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年

7 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年

8 王超;三类不确定支持向量机及其应用[D];河北大学;2013年

9 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年

10 李华庆;支持向量机及其在人脸识别中的应用研究[D];上海交通大学;2006年

中国硕士学位论文全文数据库 前10条

1 佟乐;添加Universum数据双支持向量机[D];河北大学;2015年

2 胡金扣;鲁棒支持向量机研究[D];河北大学;2015年

3 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年

4 董慧康;基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究[D];河北工业大学;2014年

5 李萌;基于支持向量机的高分遥感影像分类技术研究与应用[D];中国地质大学(北京);2015年

6 甘乐;基于支持向量机的高光谱图像降维与分类研究[D];长江大学;2015年

7 苏超;基于支持向量机的太原市土壤重金属污染评价研究[D];山西大学;2014年

8 李胜刚;基于支持向量机的短期风电功率预测[D];湖南工业大学;2015年

9 孙亭亭;基于支持向量机的燃煤机组燃烧优化算法的研究[D];山东大学;2015年

10 王芳;基于支持向量机的沪深300指数回归预测[D];山东大学;2015年

  本文关键词：SVM在冠心病分类预测中的应用研究，由笔耕文化传播整理发布。

本文编号：135916