论文部分内容阅读
目的：挖掘病理数据的内在属性,为相关临床医疗提供指导。方法：首先通过主元分析（principal components analysis,PCA）提取出数据空间中的显著差异性特征,据此将数据降维,然后采用极限学习机（extreme learning machine,ELM）算法训练和构建数据分类器模型,并将其应用在对冠心病和病毒性肝炎预后的病理数据分析中。结果：仿真实验结果显示PCA-ELM模型在不损失精度的情况下比传统的反向传播（back propagation,BP）神经网络和支持向量机（suppor