[1]张会敏,胡　太.基于SVM的老年痴呆症智能诊断研究[J].南京师范大学学报(工程技术版),2016,16(02):086.[doi:10.3969/j.issn.1672-1292.2016.02.014]
　Zhang Huimin,Hu Tai.A Study on Intelligent Diagnosis of Senile Dementia Based on SVM[J].Journal of Nanjing Normal University(Engineering and Technology),2016,16(02):086.[doi:10.3969/j.issn.1672-1292.2016.02.014]
点击复制

基于SVM的老年痴呆症智能诊断研究
分享到：

南京师范大学学报（工程技术版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
16卷
期数:
2016年02期
页码:
086
栏目:
计算机工程
出版日期:
2016-06-30

文章信息/Info

Title:
A Study on Intelligent Diagnosis of Senile Dementia Based on SVM
作者:
张会敏; 胡　太
南京师范大学计算机科学与技术学院，江苏 南京 210023
Author(s):
Zhang Huimin; Hu Tai
School of Computer Science and Technology，Nanjing Normal University，Nanjing 210023，China
关键词:
支持向量机; BP神经网络; RBF神经网络; 老年痴呆症预测; 数据挖掘
Keywords:
support vector machine; BP neural network; RBF neural network; dementia disease prediction; data mining
分类号:
TP18
DOI:
10.3969/j.issn.1672-1292.2016.02.014
文献标志码:
A
摘要:
为了验证支持向量机（SVM）更适用于基于血常规数据的老年痴呆症的预测诊断，通过仿真实验，将BP神经网络、RBF神经网络、SVM支持向量机分别应用于老年痴呆症的预测诊断，建立3种算法对应的诊断模型，并对3种模型的预测结果进行分析比较，仿真实验在Matlab软件平台上进行. 结果表明，与BP、RBF神经网络方法相比，SVM模型预测准确度高，建模时间短，整体性能好，更适用于基于血常规数据的老年痴呆症预测诊断，实际应用时可以此结论作为理论指导.
Abstract:
In order to verify that the support vector machine（SVM）is more suitable for predicting diagnosis based on the data of blood routine examination of Alzheimer’s disease，through the simulation experiment，BP neural network，RBF neural network，SVM support vector machine（SVM）are applied to predict the diagnosis of Alzheimer’s disease. Three diagnostic models are established，and the prediction results of the three models are analyzed and compared. The simulation experiments are carried out on the platform of Matlab software，the results show that compared with BP，RBF neural network method，SVM model with high predictive accuracy，short modeling time，good overall performance is more suitable for prediction diagnosis based on the data of blood routine examination of Alzheimer’s disease. This conclusion can be used as a theoretical guide in the practical application.

参考文献/References:

［1］ 贾伟华，马颖，陈若陵，等. 中国部分城乡社区老年痴呆症患病率及其影响因素研究［J］. 安徽医科大学学报，2012，47（8）：944-947.
JIA W H，MA Y，CHEN R L，et al. The prevalence of Alzheimer’s disease and its influencing factors in some urban and rural communities in China［J］. J Anhui Med Univ，2012，47（8）：944-947. （in Chinese）
［2］ 吴信东，叶明全，胡东辉，等. 普适医疗信息管理与服务的关键技术与挑战［J］. 计算机学报，2012，35（5）：1-19.
WU X D，YE M Q，HU D H，et al. The key techniques and challenges of pervasive healthcare information management and service［J］. Chinese journal of computers，2012，35（5）：1-19. （in Chinese）
［3］ 张会敏，叶明全，孟婷玮，等. 遗传算法优化BP神经网络的老年痴呆症智能诊断［J］. 中国数字医学，2014，9（7）：81-84.
ZHANG H M，YE M Q，MENG T W，et al. Genetic algorithm-based optimized BP neural network for intelligent diagnostics of dementia disease［J］. Chinese digital medicine，2014，9（7）：81-84. （in Chinese）
［4］ 郝涛，张智. 基于BP神经网络的原发性肝癌CT图像纹理分析［J］. 中国数字医学，2013，8（8）：73-76.
HAO T，ZHANG Z. Texture analysis of CT images of primary liver cancer based on BP neural network［J］. Chinese digital medicine，2013，8（8）：73-76. （in Chinese）
［5］ JIE B，ZHANG D，BO C，et al. Manifold regularized multitask feature learning for multimodality disease classification［J］. Human brain mapping，2015，36（2）：489-507.
［6］ MANHUA L，DAOQIANG Z，DINGGANG S. Ensemble sparse classification of Alzheimer’s disease［J］. Neuroimage，2012，60（2）：1 106-1 116.
［7］ 韩敏. 人工神经网络基础［M］. 大连：大连理工大学出版社，2014.
HAN M. Artificial neural network［M］. Dalian：Dalian University of Technology Press，2014. （in Chinese）
［8］ 马锐. 人工神经网络原理［M］. 北京：机械工业出版社，2010.
MA R. The principle of artificial neural network［M］. Beijing：China Machine Press，2010. （in Chinese）
［9］ 刘冰，郭海霞. MATLAB神经网络超级学习手册［M］. 北京：人民邮电出版社，2014.
LIU B，GUO H X. MATLAB neural network super learning handbook［M］. Beijing：The Posts and Telecommunications Press，2014. （in Chinese）
［10］ 徐琎，王忆勤，邓峰，等. 基于SVM的中医心系证候分类研究［J］. 世界科学技术：中医药现代化，?2010，?12（5）：713-717.
XU J，WANG Y Q，DENG F，et al. The heart of TCM syndrome classification research based on SVM［J］. World science and technology：modernization of traditional Chinese medicine，2010，12（5）：713-717. （in Chinese）
［11］ 张会敏，叶明全，罗永钱，等. 基于RBF神经网络的老年痴呆症智能诊断研究［J］. 中国数字医学，2015，10（6）：38-41.
ZHANG H M，YE M Q，LUO Y Q，et al. A study on intelligent diagnosis of senile dementia based on RBF neural network［J］. Chinese digital medicine，2015，10（6）：38-41. （in Chinese）
［12］ 陈守平，董瑞，罗晓莉. MATLAB神经网络30个案例分析［M］. 北京：北京航空航天大学出版社，2010.
CHEN S P，DONG R，LUO X L. 30 case analysis of MATLAB neural network［M］. Beijing：Beihang University Press，2010. （in Chinese）
［13］ 钟志芳. MATLAB神经网络设计与应用［M］. 北京：清华大学出版社，2013.
ZHONG Z F. Design and application of MATLAB neural network［M］. Beijing：Tsinghua University Press，2013. （in Chinese）

相似文献/References:

[1]周欣,许建华.基于遗传算法与经验误差最小化的SVM模型选择方法[J].南京师范大学学报(工程技术版),2009,09(02):065.
　Zhou Xin,Xu Jianhua.SVM Model Selection Based on Genetic Algorithms and Empirical Error Minimization[J].Journal of Nanjing Normal University(Engineering and Technology),2009,09(02):065.
[2]魏慧荣,许建华.最小VC维分类器的一种实现方法[J].南京师范大学学报(工程技术版),2008,08(01):075.
　Wei Huirong,Xu Jianhua.An Implementation Method for Minimal VC Dimensional Classifier[J].Journal of Nanjing Normal University(Engineering and Technology),2008,08(02):075.
[3]陈德良,曲维光,周春林.基于神经网络的教师教学评估系统[J].南京师范大学学报(工程技术版),2004,04(01):073.
　Chen Deliang,Qu Weiguang,Zhou Chunlin.Evaluation System for Teaching Quality Based on Neural Network[J].Journal of Nanjing Normal University(Engineering and Technology),2004,04(02):073.
[4]张永军,刘金岭.一种改进的高效贝叶斯短信文本分类器[J].南京师范大学学报(工程技术版),2014,14(03):070.
　Zhang Yongjun,Liu Jinling.An Improved Efficient Bayesian Short Message Text Classifier[J].Journal of Nanjing Normal University(Engineering and Technology),2014,14(02):070.
[5]黄宏运,吴礼斌,李诗争.GA优化的SVM在量化择时中的应用[J].南京师范大学学报(工程技术版),2017,17(01):072.[doi:10.3969/j.issn.1672-1292.2017.01.011]
　Huang Hongyun,Wu Libin,Li Shizheng.Application of SVM Optimized by Genetic Algorithmin Quantization Timing Selection[J].Journal of Nanjing Normal University(Engineering and Technology),2017,17(02):072.[doi:10.3969/j.issn.1672-1292.2017.01.011]
[6]王凯翔.基于多元回归和神经网络途径的太湖富营养化指标分析与预测[J].南京师范大学学报(工程技术版),2017,17(02):070.[doi:10.3969/j.issn.1672-1292.2017.02.011]
　Wang Kaixiang.Taihu Lake Eutrophication Index Analysis and PredictionBased on Multiple Regression and Neural Network[J].Journal of Nanjing Normal University(Engineering and Technology),2017,17(02):070.[doi:10.3969/j.issn.1672-1292.2017.02.011]
[7]彭献永,吴 奇.基于小波匹配的新小波支持向量机预测模型[J].南京师范大学学报(工程技术版),2019,19(02):050.[doi:10.3969/j.issn.1672-1292.2019.02.007]
　Peng Xianyong,Wu Qi.The Forecasting Model Based on Matched Waveletsand Wavelet Kernel Support Vector Machine[J].Journal of Nanjing Normal University(Engineering and Technology),2019,19(02):050.[doi:10.3969/j.issn.1672-1292.2019.02.007]
[8]刘 灵,孙晨晨,徐寅林,等.基于图像预处理分类分割的盲道分割算法[J].南京师范大学学报(工程技术版),2020,20(01):042.[doi:10.3969/j.issn.1672-1292.2020.01.007]
　Liu Ling,Sun Chenchen,Xu Yinlin,et al.Blind Sidewalk Segmentation Algorithm Based on ImagePreprocessing Classification and Segmentation[J].Journal of Nanjing Normal University(Engineering and Technology),2020,20(02):042.[doi:10.3969/j.issn.1672-1292.2020.01.007]
[9]黄无云,刘益剑,刘宗熙,等.焊道形貌特征的BP神经网络建模与预测[J].南京师范大学学报(工程技术版),2021,21(01):001.[doi:10.3969/j.issn.1672-1292.2021.01.001]
　Huang Wuyun,Liu Yijian,Liu Zongxi,et al.Welded Surface Morphology Modeling and PredictionBased on BP Neural Network[J].Journal of Nanjing Normal University(Engineering and Technology),2021,21(02):001.[doi:10.3969/j.issn.1672-1292.2021.01.001]
[10]余凌浩,陆铁文,李 晨,等.基于子带谱熵法和PSO-GA-SVM的汽车鸣笛识别[J].南京师范大学学报(工程技术版),2021,21(02):027.[doi:10.3969/j.issn.1672-1292.2021.02.005]
　Yu Linghao,Lu Tiewen,Li Chen,et al.Car Whistle Recognition Based on Sub-Band SpectralEntropy Method and PSO-GA-SVM[J].Journal of Nanjing Normal University(Engineering and Technology),2021,21(02):027.[doi:10.3969/j.issn.1672-1292.2021.02.005]

备注/Memo

备注/Memo:
收稿日期：2016-03-25.　
基金项目：2013年国家级大学生创新训练项目（201310368027）、2013年省级大学生创新训练项目（AH201310368027）.　
通讯联系人：张会敏，硕士研究生，研究方向：数据库与数据挖掘. E-mail：1403451539@qq.com
更新日期/Last Update: 2016-06-30