机构名称：
¥ 1.0
摘要 - 近年来，心血管疾病引起了研究人员的重大关注，因为它是全球死亡的主要原因。本文介绍了一种分类方法，该方法采用了优化算法来提高预测各种性别和年龄段的心血管疾病发展的准确性。患者数据集通常包含大量无关，多余或嘈杂的特征，这可能会阻碍预测的准确性。为了解决这个问题，我们提出了流动方向算法（FDA），该算法选择了疾病的最相关特征以提高分类精度率。在预测阶段，我们将支持向量机（SVM）与流方向优化算法（FDA）相结合，以识别最相关的功能。为了增强分类结果，本研究研究了FDA，OFDA，遗传算法（GA）和粒子群优化（PSO）算法与K-Nearest邻居（KNN）和SVM分类算法的组合。使用准确性，召回，精度和选定特征比例作为度量来评估所提出的算法的性能。使用三个数据集比较了基于SVM和KNN的算法：心力衰竭临床数据集（HFCD），心脏数据集（HD）和心脏病预测数据集（HDPD）从UCI存储库中获得。实验结果表明，与FDA或OFDA优化算法结合使用时，SVM和KNN算法表现更好。
使用流量的心血管疾病分类...
主要关键词
相关文件推荐
