您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览234 | 下载0

目的 探讨支持向量机(SVM)和人工神经网络(ANN)在2型糖尿病患病风险预测中的应用价值.方法 采集2型糖尿病患病数据和体检健康数据,进行数据预处理.基于SVM和ANN对2型糖尿病患病影响因素进行分析,建立模型,观测其预测准确性.结果 经过比较,不同核函数的SVM的预测准确率分别为95.15%,93.65%,而不同ANN的预测准确率为96.32%,84.95%,其中分类器性能最好的是BP反向传播网络.结论 SVM和ANN模型都能为2型糖尿病分类提供一定的客观影响因素依据,具有良好的实用价值.

作者:侯玉梅;朱亚楠;尹福在

来源:现代预防医学 2017 年 44卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:234 | 下载:0
作者:
侯玉梅;朱亚楠;尹福在
来源:
现代预防医学 2017 年 44卷 11期
标签:
支持向量机 人工神经网络 2型糖尿病 风险预测 Support vector machine Artificial neural network Type 2 diabetes mellitus Risk prediction
目的 探讨支持向量机(SVM)和人工神经网络(ANN)在2型糖尿病患病风险预测中的应用价值.方法 采集2型糖尿病患病数据和体检健康数据,进行数据预处理.基于SVM和ANN对2型糖尿病患病影响因素进行分析,建立模型,观测其预测准确性.结果 经过比较,不同核函数的SVM的预测准确率分别为95.15%,93.65%,而不同ANN的预测准确率为96.32%,84.95%,其中分类器性能最好的是BP反向传播网络.结论 SVM和ANN模型都能为2型糖尿病分类提供一定的客观影响因素依据,具有良好的实用价值.