摘要：在医疗诊断中,常根据病人的多项病理检测结果进行诊断.由于存在个体的差异和数据本身的噪声,所以要准确的诊断是困难的.支持向量机是在统计学习理论基础上发展而来的一种新的通用学习方法, 具有很多独特的优点.该文介绍了支持向量机非线性分类算法,选取径向基核函数,构造了支持向量机非线性分类器,并将其应用于心脏病诊断.所用数据来自UCI benchmark数据集.与其它方法相比,取得了较高的准确率.结果表明支持向量机在医疗诊断中有很大的应用潜力.

原文链接:http://www.cqvip.com//QK/92897X/200302/7467253.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）