心脏病是世界上致人死亡的主要疾病之一，疾病的早期诊断有利于后期的治疗。针对心脏病数据样本量少，特征变量多的特性，提出了一种基于粒子群优化（PSO）的支持向量机（SVM）心脏病辅助诊断算法。该方法以Cleveland heart disease为数据驱动，采用PSO优化SVM的超参数（包括惩罚参数和核函数参数），将PSO寻得的最优超参数作为最终模型参数。实验结果表明，所提算法的准确性比传统的SVM有所提高，最高分类准确率达到88%，并且训练过程更加自动化。
科研之友
微信
新浪微博
Facebook
分享链接
