ν-支持向量分类机在心肌梗塞疾病诊断中的应用

发布时间：2021-10-12 21:28

　　支持向量分类机（Support Vector Classifier, SVC）是Vapnik等人于1995年提出的一种非常有潜力的分类技术,它是一种基于统计学习理论的模式识别方法,90年代时得到了迅速完善和发展,在解决小样本、非线性及高维数等实际问题中表现出特别的优势,成功应用于生物信息学、文本和手写识别等领域.但是该支持向量分类机中的参数C本身没有定量的含义,取值范围为（0,+∞）,在实际应用中很难得到合适的取值.Scholkopf等人于2000年提出了ν-支持向量分类机（v-SVC）,用参数ν代替C,其中0<ν<1,且ν与间隔错误样本比例和训练集支持向量比例存在一定的大小关系.Chih-Chung Chang和Chih-Jen Lin证明了C-支持向量分类机和ν一支持向量分类机在一般情况下可以建立C与ν的映射,得到相同的最优化解集.本文研究了ν与训练集错分率的大小关系,由于训练集错分率不涉及间隔错误样本,比间隔错误样本比例更易求得,所以在实际应用中更为直观方便,既可以预先设定训练集错分率来确定较为合理的ν的取值范围,也可以用ν值来控制训练集错分率在可接受范围之内.本文采... 

【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】：58 页

【学位级别】：硕士

【部分图文】：

心电图波形命名及波段划分

【参考文献】：
期刊论文
[1]应用SPSS逐步判别分析建立晚期血吸虫病治疗分类模型的研究[J]. 丁国建,徐奎善,李天官,周果,赵正元,周杰.  实用预防医学. 2011(08)
[2]基于逐步判别与支持向量机方法的沉积微相定量识别[J]. 张翔,王智,罗菊兰,秦民君,王忠于.  测井技术. 2010(04)
[3]逐步判别分析法在筛选水质评价因子中的应用[J]. 卢文喜,李俊,于福荣,于国庆,刘磊.  吉林大学学报(地球科学版). 2009(01)
[4]心电图波形特征分析[J]. 李中健,井艳,李世锋,潘运萍,董同庆,吕聪敏,王利亚.  临床心血管病杂志. 2008(03)
[5]逐步回归与判别分析的应用研究——在乳腺疾病建模中的应用[J]. 吉国力,陈舒婷,张延坤,李健,陈承祺.  厦门理工学院学报. 2006(02)
[6]SPSS中判别分析方法的正确使用[J]. 任志娟.  统计与决策. 2006(03)
[7]心电图波形分析的算法研究[J]. 刘芳霞,李杰.  医学信息. 2004(10)
[8]判别分析中的变量择优及其MATLAB实现[J]. 陈辉,胡英,王绪本,郭科.  河南师范大学学报(自然科学版). 2004(01)
[9]心电图简介[J]. 赵荣瑞.  生物学通报. 1995(11)
[10]心肌梗塞心电图的若干新进展[J]. 袁自理,沈卫峰,龚兰生.  国外医学(内科学分册). 1992(10)

博士论文
[1]融合领域知识的心电图分类方法研究[D]. 王丽苹.华东师范大学 2013

硕士论文
[1]支持向量机在医学及生物方面的应用[D]. 王义.华东师范大学 2007



本文编号：3433330