论文部分内容阅读
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.