基于人群搜索-支持向量机的心脏病多生理参数诊断方法研究-管理科学与工程专业论文.docx

Dissertation Submitted to Hebei University of Technology for The Master Degree of Management Science and Engineering Research on the Diagnosis Method of Heart Disease using Multiple Physiological Parameters Based on SOA-SVM by Dong Huikang Supervisor: Prof. Wu Xiaodan December 2014 河北工业大学硕士学位论文 河北工业大学硕士学位论文 基于人群搜索－支持向量机的心脏病多生理参数诊断方法研究 基于人群搜索－支持向量机的心脏病多生理参数诊断方法研究 摘 要 心脏病是各种心脏疾病的统称，具体包括风湿性心脏病、先天性心脏病、高 血压性心脏病、冠心病、心肌炎等。作为一种高死亡率的疾病，心脏病已成为人 类死亡的首要因素，给患病者家庭带来了巨大的经济负担和生活灾难。在医疗领 域，如果能够对心脏病进行早期确诊，并由此开展早期干预，可以使患者尽早采 取有效治疗手段，避免心脏病的突发造成灾难性的后果。因此，针对性地开展患 者生理参数监测，有效开展心脏病的诊断研究，对心脏病的早期干预和治疗具有 很大的应用价值。 本文围绕着疾病诊断领域中的心脏病诊断展开研究，通过借助对患者多生理 参数的监测，结合先进的数据分析和人工智能方法，建立了基于人群搜索-支持 向量机（SOA-SVM）的心脏病多生理参数诊断模型，从而有效地对患者的心脏 状态进行诊断，增强医学领域心脏疾病诊断的准确性。主要内容包括以下方面： 一、心脏病多生理监测参数的选取与处理。围绕着心脏病的机理和发展现状 展开分析，进而明确了论文的分析对象。指出了医学数据的特点，并针对本文研 究，论述了数据选取的基本来源和预处理方法。 二、基于人群搜索 SOA 的支持向量机模型参数优化方法研究。在基于支持 向量机分类模型的应用过程中，最重要的环节就是选取核函数参数与惩罚因子， 这直接影响到模型的分类准确率，论文研究了人群搜索 SOA 这一启发式随机搜 索算法，通过仿真分析验证了其与 PSO、GA 等算法的优势。并为 SVM 的模型 参数优化，建立最优的分类诊断模型打下良好的基础。 三、基于 SOA-SVM 的心脏病诊断模型的建立与应用。通过建立高效的病例 参数监测诊断模型，可以依据心脏病患者的生理参数特征进行分析诊断。通过引 入人群搜索优化算法 SOA，可以有效地对 SVM 的模型参数进行优化，本文提出 基于 SOA-SVM 的心脏病多生理参数诊断模型，并对该模型的应用流程进行论述。 采用 UCI 提供的 Heart Disease 数据集进行方法的有效性验证。 关键字：心脏病 支持向量机 诊断 人群搜索 I PAGE PAGE II PAGE PAGE III ABSTRACT Heart disease collectively represents various diseases about heart, including rheumatic heart disease, congenital heart disease, hypertensive heart disease, coronary heart disease, myocarditis, etc. As a disease of high mortality rate, heart disease has become the primary factor of human death and brought huge economic burden and life disaster to the sick family. In the medical field, if heart disease can be diagnosed and intervened at early stage, and patients can take effective treatment as early as possible, the sudden disastrous consequences of heart disease can be avoided. Therefore, carrying out physiological parameter monitoring on patients and effective studies on the diagnosis of heart disease is of great applicat