基于改进PSO-SVM算法的帕金森疾病诊断研究

作者：张琼; 丁卫平; 景炜; 余利国

来源：计算机与数字工程, 2019, (08): 1851-1855.

• 改进粒子群算法
• 支持向量机
• 惯性权重
• 学习因子 improved particle swarm optimization
• support vector machines
• inertia weight
• learning factor

针对帕金森疾病的病因不明确、临床表现性多样,容易造成医生误判、漏判的问题,论文提出一种基于改进的PSO-SVM算法(IMPSO-SVM)对帕金森疾病进行诊断,用来提高对帕金森疾病的识别精度。该算法对不同性能的粒子动态分配惯性权重和学习因子,提高支持向量机模型的学习能力和泛化能力。最后将论文提出的IMPSO-SVM算法应用到帕金森疾病临床表现的数据上并通过实验表明该算法与经典的基于粒子群优化的支持向量机(PSO-SVM)算法和基于遗传优化的支持向量机(GA-SVM)算法相比,在预测精度和执行效率上都有所提高。因此该算法可作为辅助医生诊断帕金森疾病的一种有效方法。

• 单位
  南通大学