计算机应用研究

作者：马超,谭旭,

单位：深圳信息职业技术学院a.数字媒体学院;b.软件学院,广东深圳518172；

关键词：特征选择,樽海鞘算法,帕金森病早期诊断,核极限学习机,并行优化,

基金：广东省教育厅重点平台及科研项目特色创新类项目(2017GWTSCX040)；2020年度广东省普通高校特色创新项目(KJ2021C006)；深圳市2020年度规划课题(SK2020C018)；2020年校企协同创新项目(SZIIT2021KJ031)；；

帕金森病是一种常见的神经性慢性疾病，由于其病因尚不明确，导致早期诊断精度低的问题，提出一种改进的优化核极限学习机方法用于帕金森病的早期诊断。研究利用混沌理论和高斯变异方法改进樽海鞘算法（salp swarm algorithm，SSA），提出一种基于进化机制的智能诊断模型ISSA-KELM。改进的SSA算法同步实现特征选择和KELM核函数的参数优化，有效地解决了模型的参数设定和最优特征选择问题，并基于OpenMP平台多线程调度处理模型，在保证模型分类精度最大化的同时进一步提高计算效率。实验结果表明，提出模型在分类精度上高于已有方法，计算效率也得到极大提高，具有较好的综合性能，验证了本模型有着很好的应用前景，有助于辅助临床医生在诊断中作出更准确的决策。

来源：2021年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第9期