基于PSO-SVM的糖尿病并发症预测研究

目的:运用数学模型粒子群优化(PSO)算法与支持向量机(SVM)(PSO-SVM)评估糖尿病并发症的发病风险,为糖尿病的临床诊断提供有效的数据信息.方法:以SVM为人工智能算法,通过PSO算法对其参数进行优化,利用K-fold交叉验证法将部分数据用于模型的训练,建立以16项指标数据作为输入变量、以糖尿病肾病、糖尿病性视网膜病变和神经病变3种并发症类型作为输出变量的糖尿病并发症诊断预测模型.结果:将测试数据输入训练后的糖尿病并发症诊断预测模型后,最终得到的测试集分类准确率为84％.结论:基于PSO-SVM建立的糖尿病并发症诊断预测模型,对糖尿病并发症的临床诊断具有良好的辅助作用.