TY -的A2 -巴希尔,阿里Kashif盟——jave Ashir盟——Rizvi Sanam Shahla盟——周诗杰盟——Riaz早春作物非盟-汗,Shafqat Ullah AU - Kwon Se金PY - 2020 DA - 2020/08/26 TI -心脏病风险失效预测使用一种新的特征选择方法功能细化和神经网络分类SP - 8843115六世- 2020 AB -心脏病的诊断是一个困难的工作,和研究人员设计了各种智能诊断系统提高心脏病的诊断。然而,低心脏病预测精度在这些系统仍然是一个问题。为了更好的心脏风险预测的准确性,提出一种特征选择方法,它使用一个浮动窗口自适应大小功能消除(FWAFE)。特性消除后,利用两种分类框架,即。,人工神经网络(ANN)和神经网络(款)。因此,两种类型的混合诊断系统提出了本文。,FWAFE-ANN FWAFE-DNN。实验是进行评估的有效性提出了数据集的方法收集来自克利夫兰的在线数据库心脏病。提出方法的强度评价对准确性、敏感性,特异性,马修斯相关系数(MCC)和接受者操作特征(ROC)曲线。实验结果证实该模型优于18其他提出的方法在过去,获得精度在50.00 - -91.83%的范围。此外,提出模型的表现令人印象深刻的价格相比其他先进的机器学习技术对心脏疾病的诊断。此外,该系统可以帮助医生在诊断心脏疾病作出准确的决策。 SN - 1574-017X UR - https://doi.org/10.1155/2020/8843115 DO - 10.1155/2020/8843115 JF - Mobile Information Systems PB - Hindawi KW - ER -