首页 > 文献资料
-
基于支持向量机建立取代苯类化合物毒性预测模型
随着越来越多的人工合成化合物进入环境，弄清这些化合物对生物和环境的影响显得十分必要。在众多有机物中，取代苯类化合物是很多石化和化工工业的原料和产品，种类繁多，毒性较大，比如氯代苯类化合物对生物体有三致作用，而氯代酚类化合物中使用量大的五氯苯酚则显示出与肝脏畸形和皮炎有关。
-
基于小二乘支持向量机的心音分类识别研究
目的 将小二乘支持向量机引入心音的分类识别,优化其参数设置,获得优的分类结果 .方法 本文通过医院采集和网络下载获得99例心音信号,每个信号提取两个长度为5 s的样本,共198个样本,均分为3个集合.对每个样本采用sym6小波基进行小波包3层分解,根据Parseval定理计算每个样本的能量谱特征.以训练集数据送入支持向量机和小二乘支持向量机进行机器学习,采用不同步长相结合的搜索法,根据测试集1的分类结果 对向量机的参数进行优化.结果 以高斯径向基函数为核的支持向量机,其惩罚因子C和核函数宽度σ均为20.086时,对测试集1的分类正确率高,为79.7%;对测试集2的分类正确率为84.5%,分类计算使用的时间分别为0.108 s和0.117 s.对小二乘支持向量机,高斯径向基函数宽度平方σ2取1,正则化参数γ取20.086时,对测试集1的分类正确率高,为94.2%;对测试集2的分类正确率为89.6%,分类计算使用的时间分别为0.0638 s和0.0692 s.结论 采用求解线性方程法寻找局部优解的小二乘支持向量机运算速度快,更适合心音样本的分类识别.
-
基于生物电阻抗技术的睡眠姿势识别方法的探讨
对于睡眠姿势的有效监测可以对某些疾病的诊断、预防、治疗提供直接参考.本文提出了一种基于生物电阻抗技术的睡眠姿势识别新方法.该方法采用无创、连续的生物电阻抗技术采集左右胸部呼吸电阻抗信号,从呼吸电阻抗信号中提取睡眠姿态信息,达到睡眠姿势识别的目的.该系统硬件部分采用Agilent E4980A电阻抗仪,通过多通道开关实时采集人体左右胸部两通道的呼吸信号.软件部分分为实时的计算机Labview显示和存储部分以及线下Matlab分类识别处理算法部分.实验共召集了19名测试者参与,每人4次实验.测试者在指导下依次保持仰卧位、左侧卧位、右侧卧位、俯卧位4种姿势,分别在4种姿势下做正常呼吸运动.根据提取的特征值使用支持向量机的方法对4种姿势进行分类识别,结果显示测试组的高分类识别精度可以达到94.6%.
-
机器学习技术在疗养数据挖掘中的应用初探
本文以介绍机器学习技术在疗养数据挖掘领域的应用为目的 .文章对疗养数据挖掘的技术现状进行了分析,对机器学习的概念与相关技术进行了介绍,以及对机器学习技术在疗养领域的应用基础进行了说明,后还指出了机器学习技术在我军疗养领域的应用.机器学习技术的应用对于提升我军疗养数据的利用率、拓展疗养服务功能、制定疗养保健政策、合理配置卫勤资源等具有积极的意义.
-
SVM在乳腺癌辅助诊断中的应用
新数据显示,乳腺癌仍然高居女性恶性肿瘤发病率第一位,在所有新发女性恶性肿瘤中,乳腺癌死亡的病例数排在第二位,严重威胁着女性的健康,因而早诊断和早治疗是降低乳腺癌死亡率的关键.
-
基于自适应混沌粒子群和支持向量机的医学图像分类
考虑到支持向量机(SVM)在分类模型的建立过程中会遇到的参数设置和特征选择的问题,针对现有算法效率不高、速度不快的问题,在已有优化算法的基础上,提出了一种引入自适应混沌粒子群算法来优化SVM分类器的方法 .通过混沌序列和自适应函数来改善粒子群的早熟收敛、易于陷入局部极值的问题,同时调整惯性权重来加快收敛速度.通过仿真实验证明算法可行性,并在脑CT图像分类上得到比较满意的效果.
-
一种数字化评估出入境人员亚健康风险的方法
目的 建立一种数字化评估出入境人员亚健康风险的方法.方法 收集2008-2014年出入境人员的鹰演电子扫描系统的检查数据与临床体检数据,经数据预处理后,采用极限学习机(ELM)和支持向量机(SVM)同时进行数据挖掘,建立数学模型,并对两种方法的评估效果进行比较.结果 ELM对出入境人员呼吸系统、泌尿生殖系统、免疫系统、内分泌系统、神经系统、消化系统、循环系统和运动系统的训练准确率分别为99.6％、99.4％、99.9％、99.8％、99.7％、97.8％、98.5％和99.0％,SVM的训练准确率均为100.0％.ELM对8个系统的预测准确率分别为87.2％、91.7％、92.8％、93.6％、81.7％、84.7％、87.0％和84.4％,而SVM的预测准确率依次为69.4％、95.7％、81.5％、87.8％、71.1％、82.3％、85.9％和66.0％.结论 采用ELM能够准确地对出入境人员亚健康情况进行数字化评估,对实现出入境人员的亚健康早期干预和健康管理有重要意义.
-
支持向量机在洪灾区创伤性应激障碍预测中的应用
应用支持向量机对洪灾区居民创伤性应激障碍(PTSD)的发生进行预测.使用美国<精神障碍的诊断统计手册>第四版(DSM-IV)中关于PTSD的诊断标准对洪灾区成年人进行评定,以是否发生PTSD为应变量,以影响PTSD发生的23个因素为自变量,建立基于支持向量机(SVM)的预测模型,对遭受洪灾后PTSD的发生进行预测.将影响PTSD发生的23个因素纳入预测模型后,测试集SVM分类与实际类别的一致率为88.05%,灵敏度为75.0%,特异度为89.4%.结论:应用SVM建立预测模型对于洪灾区PTSD发生的预测具有较好的效果,被纳入的23个因素作为输入向量有良好的预测效率.
-
基于病案首页的ARIMA模型及其改进模型的预测对比
目的 探讨支持向量机对ARIMA算法的改进作用,同时利用某院的门诊诊疗人次对ARIMA-SVM组合模型进行实证研究,为SVM在医院的利用提供实践基础.方法 从理论层面解释SVM算法以及ARIMA-SVM组合模型;再选取某院2014年1月-2016年12月的数据用ARIMA-SVM组合模型构建预测模型,并且预测2017年1月-2017年9月门诊诊疗人次,对比单纯ARIMA模型的预测结果,比较2个模型的预测能力.结果 ARIMA-SVM组合模型的预测精度优于单纯的ARIMA模型,ARIMA-SVM组合模型的MAPE为4.61％,而ARIMA模型的MAPE为4.90％.结论 ARIMA-SVM模型在医院运营管理中有积极作用,并且SVM为医院多项业务可提供支持.
关键词： 支持向量机 回归滑动平均混合模型 医院运营 R语言 -
基于支持向量机的医院住院费用影响因素分析
目的：利用支持向量机建模,对医院住院费用的主要影响因素进行分析,探讨有效的医疗费用影响因素分析方法。方法随机抽取浙江省6家医院,利用各医院电子病历系统,选取3种典型内外科疾病,建立支持向量机模型、BP 神经网络模型、多元线性回归模型,分别对住院费用影响因素及其影响程度进行分析。利用支持向量机模型,分别对3个病种进行分析。结果基于径向基核函数的支持向量机模型对住院费用预测准确度高,达到96.07%。当对各病种进行混合分析时,3种模型分析均显示住院费用的主要影响因素为住院天数、疾病种类、手术名称、医院代码；当对各病种进行单独分析时,不同病种的影响因素重要程度有所不同,但主要的影响因素基本一致。结论支持向量机在住院费用影响因素分析中具有可行性,通过其分析结果制定合理的单病种付费制度,可有效控制医疗费用的快速增长。
-
孔光一诊治小儿外感咳嗽风热犯肺证医案数据挖掘研究
目的 通过分析医案,探讨孔光一诊治小儿外感咳嗽的辨证思维规律.方法 以孔光一教授诊治小儿外感咳嗽风热犯肺证医案91例为对象建立数据库,运用支持向量机(SVM)方法进行辨证要点、用药规律等数据挖掘.结果 以“清解法”作为分类属性,得到辨证要点、相关治法、用药规律3个分类模型,相关量化数据61条.清解法对应风热犯肺证候主要辨证要点模型分类准确率达86.206 9％,Kappa值0.636 3,其中咽痛(1.758 1)、发热(1.465 3)、便秘(1.132 7)、口干(0.953 4)权重高;对应其他治法模型分类准确率达93.104％,Kappa值0.8268,其中宣肺(0.701 2)、解毒(0.597 4)权重高;对应用药特点模型分类准确率达88.505 7％,Kappa值0.769 2,其中桑叶(0.815 2)、金银花(0.796 3)、连翘(0.621 1)、黄芩(0.620 9)权重较高.结论 SVM法揭示了孔光一教授运用清解法诊治小儿外感咳嗽风热犯肺证的辨证要点及用药规律.
-
基于临床数据的肝脾不调证候诊断判定标准研究
形成的标准与临床实际符合度低,提示标准制订应通过专家意见结合临床实际数据.
-
基于支持向量机的中药药理作用预测研究
本文基于中药药理文献数据，以中药的药性、药味、毒性、归经、主治、功效6个属性的所有值作为属性集，使用支持向量机对187个中药药理作用分别构建预测模型，并使用交叉验证的方法确定模型预测的准确率。然后使用准确率大于90%的中药药理作用预测模型对《中国药典》（2010版）收录的624味中药进行药理作用的预测。结果发现有108个模型的准确率大于90%，而抗菌作用预测模型的准确率达到99.76%。对中药的预测中预测百分比高的是北豆根的抗氧化作用。
-
支持向量机在构建白介素-1β转化酶抑制剂药效团模型中的应用
以24个作用于人体外围血单核细胞药理模型的白介素-1β转化酶抑制剂作为研究对象,计算了其表征分子的拓扑、电子、几何结构等物理化学性质的1209个分子描述符,用CfsSubsetEval评价方法和BestFirst-D1-N5搜索方法筛选描述符,用Kennard-Stone方法选择训练集和测试集.分别采用支持向量机、决策树、贝叶斯网络、人工神经网络等机器学习方法建立分类预测模型并使用Catalyst/HipHop系统建立药效团模型.结果表明支持向量机优于其他分类模型,正、负样本的预测正确率均达到100%.优药效团模型具有5个特征:2个疏水基团、2个脂性氢键受体、1个氢键给体;以此药效团进行中药数据库筛选得到384个候选白介素-1β转化酶抑制剂.利用支持向量机建立的分类预测模型对候选化合物的活性进行了预测,其中高活性化合物占96.6%,表明白介素-1β转化酶抑制剂药效团模型较准确地反映了高活性化合物的公共特征.该模型的建立有助于从中草药筛选新型白介素-1β转化酶抑制剂.
关键词： 白介素-1β转化酶抑制剂 分子描述符 支持向量机 药效团 HipHop -
关于中药药性-脂类成分的药性统计识别模型思路探讨＊
目的：探讨基于脂类成分气-质（GC-MS）联用图谱数据的中药寒热药性识别模型，建立药性特征标记统计模式识别方法。方法：以60种寒或热性中药脂类成分的GC-MS图谱为研究对象，建立数据库，比较5种建模策略，筛选识别脂类成分GC-MS指纹图谱药性特征标记的优模型。结果：支持向量机（SVM）为筛选60味中药的寒热药性特征标记的佳模型，能够有效标记中药寒热药性特征区域。趋于寒性强的标记在保留时间61.550 min处，趋于热性强的标记在保留时间31.395 min处。结论：中药寒热药性与脂类成分密切相关，脂类成分是中药药性的物质基础之一，基于物质成分与药性建立的数理统计模型可识别和预测中药的寒热药性。
-
支持向量机算法在中医证候信息分类中的应用
目的:探讨带先验知识的支持向量机(P-SVM)数据挖掘算法在中医证候信息自动分类中的应用.方法:以中医证候数据库收集的30余万条中医证候文献信息作为训练和测试数据集,以中医专业知识作为先验知识,将样本集置信度通过带权分类间隔导入SVM模型中进行分类,计算其分类置信度.结果:在有中医专业知识的情况下,中医证候信息分类的正确率得到了很大的提高,正确率约为95%.结论:P-SVM算法是统计学习理论在小样本数据集中较成功的应用,能对中医证候信息进行有效的分类,实现了数据挖掘技术在中医证候信息研究中的应用.实验表明P-SVM算法能把先验知识与训练样本中的信息量很好地结合起来,对一种对中医证候信息进行正确分类的有效算法.
-
数据挖掘方法用于中药水提液膜过程优化的研究
用数据挖掘技术研究常见的7种中药水提液体系中淀粉、果胶等高分子物质组成、物理化学性质与Al2O3陶瓷膜膜通量之间的关系.结果发现本实验体系:(1)中药水提液的粘度、粒径分布(D50)分别与有关变量呈近线性关系,且果胶含量对粘度、粒径分布(D50)的影响较大;(2)中药水提液的pH值与X1(固含物)、X3(果胶)等变量没有简单的线性关系,但采用模式识别方法,可以找到pH值的定性规律;(3)初步认识到中药水提液这一复杂体系影响Al2O3陶瓷微滤膜膜通量的主要因素,即水提液中的蛋白质含量、原液pH值和粒径分布(D90);(4)利用自行开发的数据挖掘软件处理有关数据,得到膜通量下降速率与原液中粒径分布参数、pH值之间的定量关系,"留一法交叉验证"表明该定量关系的预报结果正确,基本锁定了造成该体系通量衰减的主要因素,使得中药水提液膜过程优化设计取得突破性进展.
-
基于NIRS技术和PCA-SVM算法6种树脂及其他类中药的快速鉴别
目的:利用近红外漫反射光谱(NIRS)法,结合主成分分析(PCA)和支持向量机(SVM)联用算法,建立6种树脂及其他类中药安息香(Benzoinum),琥珀(Succinum),没药(Myrrha),乳香(Olibanum),松香(Colophonium),天竺黄(Bambusaen Concretio Silicea)的NIR模式识别模型,用于该6味中药的快速鉴别.方法:收集上述6种中药样品,经性状鉴别和理化分析确定正品药材55批,粉碎成均匀粉末,在4 000 ～ 12 000 cm-1光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000～5 400,5000～4000 cm-1为建模谱段,分别采用矢量归一化法(vector normalization,VN),一阶导数法(first derivative,FD),二阶导数法(second derivative,SD)3种不同光谱预处理方法进行预处理并分别进行PCA降维.根据主成分空间散点图,优选佳预处理方法.利用佳预处理方法处理后光谱的PCA降维数据,建立SVM模式识别模型,SVM模型参数c和g采用网格搜索法结合五折交叉验证进行寻优.对比不同主成分数所建PCA-SVM模型的预测准确率,确定佳的主成分数,终建立6种中药NIR快速鉴别模型.结果:在9 000～5 400,5 000～4000 cm-1建模谱段,确定佳光谱预处理方法为SD,SD预处理光谱PCA降维后,确定佳主成分数为3个,累计贡献率达93.57％.经网格搜索法确定佳SVM建模参数组为c=65 536,g=512.所建PCA-SVM模型对训练集和验证集样品预测正确率均达100％,模型五折交叉验证准确率亦达100％.结论:所建的6种中药NIR光谱PCA-SVM鉴别模型,预测准确率高,模型预测能力强,结合NIRS技术无损、快速的优点,该模型可用于上述6种中药的无损、快速鉴别.
-
清开灵注射剂清热相关非线性生物标记物的辨识及可视化方法研究
目的:建立符合中药非线性作用特征的生物标记物辨识方法,初步探讨其与线性辨识方法的差异.方法:以清开灵注射液对酵母菌致热大鼠代谢物的影响为研究载体,基于支持向量机(SVM)建立非线性分类模型,利用非线性双标轨迹图对生物标记物的重要性进行可视化的分析,并与基于偏小二乘判别(PLS-DA)算法辨识的生物标记物进行对比.结果:两种方法识别的生物标记物有明显差异,但所建立分类模型的预测性能无明显区别.结论:非线性生物标记物辨识方法揭示了与线性方法完全不同的代谢特征,模型交叉验证误差不能有效的区分辨识方法性能的优劣.
-
支持向量机在高血压病中医证候诊断中的应用
目的:探索支持向量机方法在高血压病中医证候诊断中的应用,为高血压病中医证候诊断合理应用提供理论依据.方法:基于MATLAB 7.0环境,采用支持向量机(SVM)学习算法,以常见的21个症状、舌苔及舌体、脉象的量化数据为输入,高血压病证型为输出,建立基于SVM的高血压病中医证候诊断模型,并使用419例样本进行训练,130例样本进行测试.结果:总体准确率为90.0％.结论:基于SVM建立高血压病中医证候诊断模型具有较高准确率和方法学上的可行性.
