基于GA的步态特征与SVM参数协同优化研究

发布时间：2022-10-06 11:07

　　为了辅助医生对帕金森病患者进行更好的诊断,采用遗传算法对患者步态特征和支持向量机参数进行协同优化。在特征选择部分将步态特征和支持向量机参数使用二进制编码的方式生成染色体,同时输入到遗传算法中。考虑到遗传算法的搜索性能和运行时间,针对算法中的种群大小和进化代数这两个参数进行了寻优,找出合适的种群大小和进化代数。实验结果显示平均准确率为85.11%,相对于其他特征选择算法,准确率最高高出14%。表明使用该方法后对帕金森病患者的步态特征进行了有效去除,有利于患者的诊断。 

【文章页数】：6 页

【参考文献】：
期刊论文
[1]U-型电子步道系统:帕金森病运动障碍评估[J]. 张永,吴玺,许胜强,杨先军,王训.  计算机工程与应用. 2018(01)
[2]帕金森病患者步态测量与定量分析[J]. 文龙,钱晋武,沈林勇,章亚男.  中国康复医学杂志. 2014(07)
[3]遗传算法研究进展[J]. 马永杰,云文霞.  计算机应用研究. 2012(04)
[4]基于支持向量机与反K近邻的分类算法研究[J]. 陈丽,陈静,高新涛,王来生.  计算机工程与应用. 2010(24)
[5]遗传算法理论及其应用研究进展[J]. 边霞,米良.  计算机应用研究. 2010(07)
[6]遗传算法中适应度函数的研究[J]. 刘英.  兰州工业高等专科学校学报. 2006(03)
[7]机器学习中的特征选择[J]. 张丽新,王家钦,赵雁南,杨泽红.  计算机科学. 2004(11)
[8]基于遗传算法的特征选择方法[J]. 赵云,刘惟一.  计算机工程与应用. 2004(15)



本文编号：3686874