文件名称:使用 ICA 和最优核 SVM 方法预测甲状腺疾病的分析-研究论文
文件大小:259KB
文件格式:PDF
更新时间:2024-06-30 03:59:52
Thyroid disease Classification
甲状腺疾病诊断是一项非常琐碎和野蛮的任务,因为它需要大量的理解和信息。 在建议的工作中需要采用 29 个属性,并在独立分量分析 (ICA) 的帮助下选择一些特征。 它是处理步骤,有助于降低维度并沿着这些方向扩展准确性和性能。 ICA 从数据库中提取有用的数据并将它们命名为独立的组件。 为了计算,这个特征向量分类方法用于将数据分类为甲状腺功能减退或甲状腺功能亢进或其他一些。 在该系统中,采用多核支持向量机(SVM)作为分类器来区分甲状腺疾病。 沿着这些路线,数据以有效的方式分类,通过使用启发式优化算法提供精确的数据。 这些方法使用户能够通过症状预见和测试他们的健康状况。 与其他现有创建的模型相比,所提出的模型将以较少的特征数量提供较高的分类精度。 所提出的模型在MATLAB的工作阶段实现。