GSVMA：基于 Z-Alizadeh Sani 数据集的遗传-支持向量机-方差分析冠心病诊断方法
机器学习
2022-02-09 v1
摘要
冠心病（CAD）是全球中年人群心血管死亡的重要原因之一。最常用的 CAD 诊断工具是血管造影。使用血管造影诊断 CAD 的挑战在于费用高且有副作用。替代方案之一是使用基于机器学习的模式进行 CAD 诊断。因此，本文提出一种称为遗传支持向量机与方差分析（GSVMA）的新型混合机器学习模型。ANOVA 作为 SVM 的核函数。所提模型基于 Z-Alizadeh Sani 数据集实现。采用遗传优化算法筛选关键特征。此外，应用带 Anova 的 SVM、线性 SVM 和带径向基函数的 LibSVM 方法对该数据集进行分类。结果表明，GSVMA 混合方法优于其他方法。所提方法在 Z-Alizadeh Sani 数据集上通过 10 折交叉验证技术、选用 35 个特征取得了 89.45% 的最高准确率。因此，遗传优化算法对提升准确率非常有效。该计算机辅助 GSVMA 方法可协助临床医生进行 CAD 诊断。
引用
@article{arxiv.2108.08292,
title = {GSVMA: A Genetic-Support Vector Machine-Anova method for CAD diagnosis based on Z-Alizadeh Sani dataset},
author = {Javad Hassannataj Joloudari and Faezeh Azizi and Mohammad Ali Nematollahi and Roohallah Alizadehsani and Edris Hassannataj and Amir Mosavi},
journal= {arXiv preprint arXiv:2108.08292},
year = {2022}
}
备注
14 pages, 10 figures