基于支持向量機(jī)的特征提取方法研究與應(yīng)用.pdf

1、統(tǒng)計(jì)學(xué)習(xí)理論是一種專門(mén)研究有限樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論，它不僅考慮了對(duì)推廣能力的要求，而且追求在現(xiàn)有有限信息的條件下得到最優(yōu)結(jié)果。支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展而來(lái)的一種新的機(jī)器學(xué)習(xí)方法，在解決有限樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)。 本文提出了一種用于最佳特征子集選取的特征篩選算法，且實(shí)現(xiàn)了特征與分類識(shí)別相關(guān)性強(qiáng)度的排序，并通過(guò)使用該算法對(duì)Ⅱ型糖尿病判別與風(fēng)險(xiǎn)因素篩選，求證了該方法的可靠性和可行性

2、。本文將該算法稱為Feature-Filtrate算法。當(dāng)以該算法提取的特征子集{腰圍、腰圍/臀圍、舒張血壓、年齡)作為輸入向量時(shí)，敏感度、特異性、準(zhǔn)確率最高，分別為0.8666、0.6420、0.7014。同時(shí)，為了比較該方法的優(yōu)越性，本文還采用了決策樹(shù)、多層感知器建立類似模型分析同一數(shù)據(jù)集做比較。本文還將Feature-Filtrate算法與主成分分析法進(jìn)行比較。試驗(yàn)表明，在特征提取方面該算法優(yōu)于主成分分析法。因此，基于支持向量機(jī)的

3、Feature-Filtrate算法對(duì)風(fēng)險(xiǎn)因素篩選、分類識(shí)別是一種有效的方法，為解決該類問(wèn)題探索了一條有效途徑。而且，本文采用決策樹(shù)的思想對(duì)上述方法進(jìn)行擴(kuò)展，達(dá)到了多類分類和最佳特征子集的確定的目的。 本文用Java技術(shù)實(shí)現(xiàn)了Ⅱ型糖尿病預(yù)測(cè)系統(tǒng)。該系統(tǒng)用支持向量機(jī)結(jié)合Feature-Filtrate算法進(jìn)行數(shù)據(jù)挖掘，預(yù)測(cè)用戶患Ⅱ型糖尿病的概率風(fēng)險(xiǎn)，提供用戶適合的醫(yī)療保健途徑，并能夠?qū)Σ±畔ⅰ⒂脩粜畔⒌冗M(jìn)行管理。同時(shí)，該系統(tǒng)將有