典型文献
基于特征选择和概率神经网络的心脏病预测
文献摘要：
面对我国心血管疾病患病人数的不断增长,针对心血管疾病的预测,利用监护系统获得医疗数据,寻找出合适的疾病预测方法,及时发现并解决健康问题,创新性地提出一种基于概率神经网络和遗传算法的心脏病预测模型.其中,使用概率神经网络作为分类器,遗传算法进行特征选择.模型分为三个阶段:首先,采用标准的UCI数据库中心脏病数据集进行预处理;然后,提供一种基于遗传算法的包裹式特征选择方法来选择显著特征;最后,使用概率神经网络训练得到预测模型.实验结果表明,相较于其他模式识别方法,提出的模型使用更少的特征取得了更高的准确率.通过特征选择算法可以获得显著特征,利用多种机器学习算法在经过特征选择后形成的新数据集上训练,精度也普遍得到提升.
文献关键词：
心脏病预测;概率神经网络;特征选择;机器学习算法;数据挖掘;模式识别
中图分类号：
作者姓名：
张自豪;胡维平
作者机构：
广西师范大学 电子工程学院,广西 桂林 541004
文献出处：
引用格式：
[1]张自豪;胡维平-.基于特征选择和概率神经网络的心脏病预测)[J].现代电子技术,2022(01):95-99
A类：
B类：
概率神经网络,心脏病预测,心血管疾病,病人数,医疗数据,疾病预测,健康问题,分类器,采用标准,UCI,选择方法,显著特征,神经网络训练,练得,模式识别,模型使用,特征选择算法,机器学习算法,新数据
AB值：
0.254589
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
