基于遗传算法的冠状动脉疾病诊断监督特征选择
机器学习
2013-05-28 v1 计算工程、金融与科学
摘要
特征选择 (FS) 已成为决策支持系统领域许多研究的焦点，这些领域需要分析具有大量变量的数据集。在本文中，我们提出了一种新的冠状动脉疾病 (CAD) 诊断方法，该方法基于遗传算法 (GA) 封装的贝叶斯朴素 (BN) 特征选择。基本上，CAD 数据集包含由 13 个特征定义的两个类别。在 GA-BN 算法中，GA 在每次迭代中生成一个属性子集，该子集将在选择过程的第二步中使用 BN 进行评估。最终的属性集包含最相关的特征模型，从而提高了准确率。在这种情况下，该算法在 CAD 诊断中产生了 85.50% 的分类准确率。因此，将该算法的优势与支持向量机 (SVM)、多层感知机 (MLP) 和 C4.5 决策树算法进行了比较。这些算法的分类准确率结果分别为 83.5%、83.16% 和 80.85%。因此，GA 封装的 BN 算法也与其他 FS 算法进行了相应比较。获得的结果表明该方法在 CAD 诊断方面具有非常有前景的效果。
引用
@article{arxiv.1305.6046,
title = {Supervised Feature Selection for Diagnosis of Coronary Artery Disease Based on Genetic Algorithm},
author = {Sidahmed Mokeddem and Baghdad Atmani and Mostefa Mokaddem},
journal= {arXiv preprint arXiv:1305.6046},
year = {2013}
}
备注
First International Conference on Computational Science and Engineering (CSE-2013), May 18 ~ 19, 2013, Dubai, UAE. Volume Editors: Sundarapandian Vaidyanathan, Dhinaharan Nagamalai