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