TY - JOUR A2 - Bashir, Ali Kashif AU - Akbar, Wasif AU - Wu, Wei-ping AU - Saleem, Sehrish AU - Farhan, Muhammad AU - Saleem, Muhammad Asim AU - Javeed, Ashir AU - Ali，利用线性支持向量机的稀疏性来提高AdaBoost集成模型的强度的肝炎检测系统的开发肝炎的管理和诊断是昂贵的，需要高水平的人的专门知识，这对不发达和发展中国家的卫生保健系统提出了挑战。因此，发展自动化方法来准确预测肝炎疾病是必然的。在本文中，我们开发了一个混合线性支持向量机(SVM)模型和自适应推进(AdaBoost)模型的诊断系统。我们利用了线性支持向量机的稀疏性 l 1 正则化。稀疏 l 1 -正则化支持向量机能够从特征空间中剔除冗余或无关的特征。通过稀疏线性支持向量机过滤特征后，将支持向量机的输出应用于用于分类目的的AdaBoost集成模型。利用UCI机器学习库收集的肝炎临床特征进行了两种类型的数值实验。在第一次实验中，我们只使用了传统的AdaBoost模型，而在第二次实验中，我们在稀疏线性支持向量机应用到AdaBoost模型之前，先将一个特征向量应用到稀疏线性支持向量机中。仿真结果表明，该方法使传统AdaBoost模型的强度提高了6.39%，时间复杂度也降低了。此外，所提出的方法显示出更好的性能比以往发展的许多方法的肝炎疾病预测。SN - 1574-017X UR - https://doi.org/10.1155/2020/8870240 DO - 10.1155/2020/8870240