支持向量机和Logistic回归模型预测重症手足口病的价值

目的:分别构建支持向量机和Logistic回归模型对重症手足口病(HFMD)进行预测,并分析重症HFMD的危险因素。方法:共纳入2018年12月至2019年12月在河南省某医院诊治的HFMD患儿921例,用统计学方法分别构建支持向量机、Logistic回归模型识别重症HFMD的危险因素,采用重合矩阵表评估对比两模型的预测价值。结果:当使用30%的数据进行验证时,支持向量机模型的曲线下面积为0.938、敏感度85.11%、特异度89.96%、阳性预测值83.8%、阴性预测值93.3%、准确率91.67%,位于前5位的变量是：C反应蛋白、惊颤、肢体抖动、白细胞和EV71抗体阴性。Logistic回归模型曲线下面积为0.854、敏感度82.98%、特异度84.28%、阳性预测值82.9%、阴性预测值92.5%、准确率89.13%。位于前5位的变量是：最高温度、住院时间、白细胞、C反应蛋白和年龄。结论:支持向量机和Logistic回归模型均能较好地预测重症HFMD,但支持向量机模型的综合预测价值更高。新增EV71抗体阴性是影响重症HFMD的独立危险因素,提示当前重症HFMD的病原学特征出现显著...     

基于最小二乘支持向量机的网络流量预测

为了提高网络流量预测准确性,将最小二乘支持向量机应用于网络流量预测。介绍了最小二乘支持向量机的原理与方法,并将该模型应用于实际网络流量预测计算。结果表明,该方法能有效地进行流量预测,相对于BP神经网络和ARMA模型方法,该方法具有更好的预测精度。     

支持向量机模型和Logistic回归模型在肝硬化食管静脉曲张中的预测价值

目的:比较支持向量机模型和Logistic回归模型在肝硬化食管静脉曲张中的预测价值。方法:收集在郑州大学第五附属医院住院治疗的肝硬化患者305例,以电子胃镜检查结果作为“金标准”,将食管静脉曲张分为无或轻度曲张150例,中重度曲张155例,构建支持向量机、Logistic回归模型进行肝硬化食管静脉曲张风险预测。结果:构建的支持向量机模型和Logistic回归模型的预测正确率分别为86.8%和83.5%,二者的AUC、敏感度、特异度、阳性预测值、阴性预测值分别为0.931、0.896,84.8%、82.6%,88.9%、84.4%,88.6%、84.4%,85.1%、82.6%。支持向量机输出预测变量重要性居前4位的依次为肝硬度值、门静脉直径、血红蛋白、血小板计数/脾脏厚度,与Logistic回归模型一致。结论:支持向量机构建的肝硬化食管静脉曲张预测模型有较好的应用价值,较传统的Logistic回归模型表现更佳。     

中药复方药效的支持向量机预测研究

目的：建立中药复方药效的支持向量机预测模型。方法：基于正交设计和支持向量机,提出了中药复方药效的预测模型,用1个实例对模型精度进行了验证和评价。结果：自检验和留一法检验的复相关系数分别为0．980和0．736。结论：本研究所建立的模型可以对复方不同组合进行药效预测,可为进一步实验验证提供参考．在寻找中药复方有效组分、并探讨以有效组分为处方进行中药复方二次开发模式方面具有良好的应用前景。     

支持向量机和Logistic回归在GDM风险预测中的应用

目的 探讨两种不同机器学习算法在妊娠期糖尿病(gestational diabetes mellitus,GDM)风险预测中的应用.方法 选取2019年7月—2020年8月在广州市妇女儿童医疗中心及广东省计划生育专科医院进行产前检查的孕早期妇女520例,其中妊娠期糖尿病孕妇200例,随机抽取同期正常孕妇320例,收集孕...     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明，与神经网络故障诊断方法相比，诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

基于小波变换和支持向量机的急性低血压预测方法研究

ICU中,急性低血压的发生可能引起严重的后果,甚至威胁患者的生命安全,临床上主要依靠医生的经验进行预见性判断.为了实现急性低血压发生的自动检测和提前预报,本文运用医学信息学理论,对发生与未发生急性低血压两者间平均动脉压信号进行小波多尺度分解,并选取各层小波系数的统计特征参数中位数和最大值,用于支持向量机分类预测器的学习...     

支持向量机与中药研究

近年来越来越多的人工智能技术开始在中药研究领域得到应用并取得令人鼓舞的成果。支持向量机是近十余年发展起来的人工智能技术,包含了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术,它的出现弥补了以往技术的不足并表现出很强的发展与应用潜力。中药现代化研究完全可以借助支持向量机的研究成果开创一片新的天地。尽管如此,支持向量机在中药研究领域的应用仍然不多见,一方面可能与支持向量机理论正处在发展上升的阶段有关,另一方面则可能是由于该项技术在中药研究的这片处女地上埋藏着巨大应用潜力,尚未引起人们的足够重视。总结近年来支持向量机在中药研究领域应用的基础上,讨论目前存在的问题,展望未来的发展趋势,探讨可能的应用方向,并以此激励更多的研究力量参与其中。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

支持向量机模型在肺癌病人住院费用影响因素分析中的应用

目的：建立基于支持向量机的单病种住院费用拟合模型,利用模型分析住院费用影响因素及其对住院费用的影响程度。方法：以浙江省某三级甲等医院2010年-2013年间肺癌患者的住院信息为样本,利用SPSS 16.0建立数据库,应用Weka软件建立支持向量机拟合模型,分析住院费用的影响因素。结果：影响住院费用的主要因素依次为住院天数、主诊断疾病、麻醉方式、年龄、费用类别、职业、住院次数。结论：从缩短住院天数、发展全民基本医疗保障制度等方面来控制住院费用。     

基于模糊隶属度与支持向量机心律失常分类模型

目的:基于心电信号波形特点,运用模糊隶属度与支持向量机技术,探索实现心律失常自动分类的方法.方法:对MIT-BIH心律失常标准数据库的心电信号预处理,识别并定位QRS波;以QRS波为核心,利用心电信号波形相似性进行心电信号聚类;心电信号提取特征参数并模糊化,构建心律失常特征参数集;利用支持向量机技术建立心律失常分类器.结果:通过MIT-BIH心律失常标准数据库检验分类效果,总体准确率达到97.2%.结论:对MIT-BIH心律失常标准数据库的心电信号具有较高的分类准确率和较好的实用性.     

基于支持向量机和人工神经网络的心血管疾病中医证候分类识别研究

目的探讨心血管疾病的中医证候分类识别方法,为中医证候的规范化研究提供一定的方法和依据。方法利用统一的中医问诊采集量表,采集临床心血管疾病的病例;然后根据信息的有、无分别赋值为1、0,建立心血管疾病的中医临床信息数据库。基于支持向量机(径向基函数与多项式函数2种算法)和人工神经网络(ACON与OCON 2种结构的网络)对心血管疾病的中医临床信息和证候类别之间的关系进行分析,建立模型,观察其证候预测的准确性。结果经过比较,对于心气虚、心阳虚、心阴虚、痰浊、气滞、血瘀等心血管疾病常见中医证型,OCON网络的识别准确率最高,均在60%以上,其中心气虚和心阳虚证分别高达92.4%、82.9%。结论支持向量机和人工神经网络能为心血管疾病的临床中医证候识别提供一定的客观依据,其中OCON结构网络具有较高的识别准确率。     

基于支持向量机与随机游走结合的GGO型肺结节分割方法

目的:为了提高磨玻璃型肺结节（GGO型肺结节）的分割精度,提出一种基于支持向量机与随机游走相结合的分割方法。方法:利用已手动分割的GGO型肺结节训练支持向量机。由训练后的分类模型在待分割的GGO型肺结节图像中选择种子点,然后利用随机游走算法根据支持向量机选取的种子点进行GGO型肺结节图像分割。结果:该研究纳入150个待分割GGO型结节图像,上述分割算法的平均准确率为98.05%、平均召回率为96.35%和平均F1值为98.05%。与传统方法相比,本方法实现了GGO型肺结节的精确自动化分割,对GGO型肺结节定量、定性分析提供更加准确的客观依据。结论:该方法利用支持向量机选取种子点,并利用随机游走进行结节分割可以有效地对GGO型肺结节进行分割,具有简单高效,准确率高的优点。     

基于支持向量机的急性百草枯中毒预后模型的建立与评价

目的：比较支持向量机（support vector machine,SVM）和传统的Logistic回归构建的急性百草枯（paraquat,PQ）中毒早期预后判别模型的预测性能。方法：收集急性PQ中毒患者152例,随访观察2个月的临床转归情况。应用随机数字表法以3∶2的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计91例;另一组作为验证样本,用于评价模型预测效果,计61例。建模方法采用SVM和常规统计方法中的Logistic回归。结果：通过对PQ中毒患者的预测判别验证,线性核、多项式核、Sigmoid核及径向基函数核SVM模型的预测准确率分别为77.92%、74.03%、75.32%、79.22%。对所有预测模型性能对比显示,SVM模型预测性能高于Logistic回归模型,其中径向基核函数（RBF）?SVM模型效果最好,灵敏度为87.5%,特异度为70.6%。结论：采用SVM模型能更好地整合各种影响PQ中毒患者早期预后的信息,所建立的模型具有更好的预测能力,为预测PQ中毒患者的预后提供了一种新方法。     

基于支持向量机的急性出血性脑卒中早期预后模型的建立与评价

目的:比较支持向量机(support vector machine,SVM)和传统的Logistic回归构建的急性出血性脑卒中(intracerebral hemorrhage,ICH)早期预后判别模型的预测性能,探索急性ICH预后研究的新方法?方法:收集急性ICH患者339例,随访观察21 d时的临床转归情况?应用随机数字法以3∶1的比例分为两组,一组作为训练样本用于筛选变量和建立预测模型,计254例;另一组作为验证样本,用于评价模型预测效果,计85例?建模方法采用SVM和常规统计方法中的Logistic回归?结果:通过对85例ICH患者的预测判别验证,SVM1的预测分类能力在4个模型为最强,4个模型预测的准确率和Youden指数分别为:Logistic回归:72.9%(62.0%~81.7%)?0.441 (0.249~0.633);SVM1:82.4%(72.3%~89.5%)?0.632 (0.465~0.799);SVM2:78.8%(68.4%~86.6%)?0.557(0.379~0.735);SVM3:78.8%(68.4%~86.6%)?0.563(0.385~0.741)?结论:采用SVM能较好地判断急性ICH患者的早期预后,其效能优于Logistic回归模型?     

基于同轴相衬成像方法与支持向量机算法的早期骨性关节炎的鉴别诊断

目的 利用同轴相衬成像(in-line phase contrast imaging,IL-PCI)技术与支持向量机(support vector machine,SVM)算法对正常与早期骨性关节炎(osteoarthritis,OA)软骨组织建立分类模型.方法 研究样本分别来自接受人工膝关节置换手术及创伤性关节损伤患...     

老年艾滋病群体婚外性行为调查分析

目的：调查湖北省大冶市老年艾滋病群体婚外性行为现状,分析原因并讨论预防保护措施。方法：统计2009—2013年60岁及以上老年艾滋病患者中婚外性行为者所占比例及其性别比例、居住环境、受教育程度、婚姻状况、有无安全措施。结果：2009—2013年,大冶市老年 HIV 感染者或艾滋病患者检出率由25.0%增加到51.7%;老年患者中,婚外性行为者由70.0%增加到77.4%,其中,男性由85.7%增加到91.7%,未使用安全套者由100.0%降至95.8%,多数患者居住于乡镇,以小学文化程度和已婚有配偶为主。结论：婚外危险性行为已成为老年群体感染艾滋病的主要传播方式,关爱老年群体,加强宣传教育,普及安全性行为知识已成为亟待解决的新问题。     

基于支持向量机的脊柱离体组织电阻抗识别

目的 测量不同脊柱组织的电阻抗,基于支持向量机建立电阻抗数据的组织分类算法并验证算法的准确性,寻找不同组织电阻抗分类阈值。 方法 取离体脊柱组织,应用电化学分析仪采集10~100 kHz频率范围内皮质骨、松质骨、脊髓、肌肉、髓核的电阻抗。将两只猪采集的数据集分别作为训练集和测试集,应用主成分分析降维至二维数据,训练和验证基于支持向量机(SVM)建立的分类算法,应用集成学习的方法计算不同组织分类的电阻抗阈值。 结果 5种组织在10~100 kHz的测量频率内,电阻抗值差异有统计学意义(P<0.001)。应用主成分分析降维的数据集建立的支持向量机分类算法识别不同组织的准确率为100%。应用集成学习建立的多个分类器计算出了不同组织的电阻抗分类阈值。 结论 基于支持向量机可以实现脊柱术区组织电阻抗的准确识别,有望应用于临床协助医生提升组织识别准确率。     

基于文化差分进化算法的最小二乘支持向量机及QSAR建模

针对最小二乘支持向量机最佳算法参数难以确定的缺陷,提出了基于文化差分进化算法的最小二乘支持向量机(Cultural Differential evolution Algorithm Least Square Support Vector Machine,CDE-LSSVM)。该算法通过新型的文化差分进化算法优化确定最小二乘支持向量机核宽度参数和惩罚系数,建立具有良好预测性能的模型。同时,针对药物定量构效关系（Quantitative Structure-Activity Relationships,QSAR）模型具有高度非线性、变量之间存在相关性的特征,采用CDE-LSSVM建立HIV-1蛋白酶抑制剂的药物定量构效关系模型。模型具有很好的拟合精度与预测精度,且优于最小二乘支持向量机、BP神经网络和径向基神经网络。