随着医院信息系统(Hospital Information System,HIS)的规模化发展,医疗数据呈现高维化、非线性增长趋势。传统数据挖掘方法在特征冗余处理和模型参数优化上存在局限性,导致挖掘精度不足,为提高HIS挖掘的精度,提出一种基于递归特征消除...随着医院信息系统(Hospital Information System,HIS)的规模化发展,医疗数据呈现高维化、非线性增长趋势。传统数据挖掘方法在特征冗余处理和模型参数优化上存在局限性,导致挖掘精度不足,为提高HIS挖掘的精度,提出一种基于递归特征消除-模拟退火-支持向量机(Recursive Feature Elimination-Simulated Annealing-Support Vector Machine,RFE-SA-SVM)的医疗数据挖掘算法。首先,针对医疗数据的高维特性,运用RFE对医疗数据进行特征量筛选,降低医疗数据的特征维度;然后,运用模拟SA算法优化SVM模型参数,建立基于筛选出的特征向量SA-SVM医疗数据挖掘模型。研究结果表明:与SA-SVM、和RFE-SVM相比,RFE-SA-SVM模型性能更优,并且灵敏度达0.902,说明RFE-SA-SVM算法能够有效提高医疗数据挖掘的准确率。展开更多
