节点文献
基于优化粒子群(PSO)的400例中医典型心系证候分类研究
【作者】 徐璡； 许朝霞； 王忆勤； 刘涛； 夏春明； 郭睿；
【机构】 上海中医药大学基础医学院； 华东理工大学机械电子工程中心；
【摘要】 支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,从而使支持向量分类器具有较好的推广能力。并且,由于支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解。本文介绍了基于优化粒子群(PSO)的分类技术,以中医心系400个样本为例,利用优化粒子群(PSO)进行中医心系证候分类研究,实验结果表明,该方法在证候分类中能达到较高的准确率。
【基金】 国家“十一五”科技支撑计划“中医四诊信息规范采集和融合方法研究”(NO.2006BAI0801-04);上海市优秀学科带头人计划项目(No.09XD1403700);上海市第三期重点学科(NO.S30302);国家自然基金面上项目(NO.81173199)
- 【会议录名称】 全国第十三届中医诊断学术年会论文汇编
- 【会议名称】全国第十三届中医诊断学术年会
- 【会议时间】2012-07-15
- 【会议地点】中国江西南昌
- 【分类号】R241
- 【主办单位】中华中医药学会中医诊断学分会