作　　者： ; ; ; ; ;

机构地区： 吉林大学计算机科学与技术学院

出　　处： 《吉林大学学报（工学版）》 2011年第1期160-164,共5页

摘　　要： 提出了一种基于粗糙集与支持向量机(SVM)的肝炎诊断方法。利用粗糙集对原始特征进行约减,得到多个特征子集,然后采用组选择算法进行二次约减,根据约减后的特征子集生成新的数据集,使用SVM对新的数据集进行训练和预测。采用UCI机器学习公共数据集,试验结果与数据分析表明,与SVM、神经网络(NN)、决策树所预测的结果对比,本文方法具有较高的准确率,可以较准确地诊断数据是否呈阳性。 A method applied in hepatitis diagnosis was proposed, which is based on rough set and Support Vector Machines （SVM）. The method uses rough set to reduce the original features and to obtain a number of feature subsets. Then a set selection algorithm was employed to execute the feature reduction again, and a new data set was acquired in the light of the reduced subset. SVM was used for the new data set training and prediction. UCI machine learning public data set was adopted. Experiment results and data analysis show that, comparing with SVM, Neural Network （NN） and decision tree, the proposed method has higher diagnostic accuracy and can diagnose whether the data being negative or positive.

关 键 词： 人工智能 粗糙集 支持向量机 肝炎诊断 特征选择 神经网络

领　　域： [自动化与计算机技术] [自动化与计算机技术]