基于KPCA-LSSVM的健康档案空腹血糖水平预测研究

来源：计算机工程与应用杂志2018年第13期北京时间：

作者：江 燕1，帅仁俊1，张 姝2，查代奉3

单位：1.南京工业大学 计算机科学与技术学院，南京 211816；2.南京工业大学 电气工程与控制科学学院，南京 211816；3.九江学院 理学院，江西 九江 332000

摘要：糖尿病是一种可防可控的慢性疾病，会产生很多并发症，对人体危害很大，因此早期诊断糖尿病并干预生活方式对预防糖尿病慢性并发症十分必要。利用健康档案中数据来预测空腹血糖水平，因为空腹血糖水平的高低是早期诊断和干预的一个重要依据，但是健康档案中数据存在维度广、噪声多、强耦合、非线性等特点，为此提出了基于KPCA和LSSVM结合的方法进行建模，并将LSSVM、PCA-LSSVM、KPCA-LSSVM这3种模型进行比较，结果表明KPCA-LSSVM准确性比LSSVM、PCA-LSSVM大幅提高，ROC曲线的积分面积也接近于1，说明KPCA-LSSVM能够运用于空腹血糖的预测，也为医疗数据挖掘提供一种新的参考办法。

关键词：空腹血糖,健康档案,主成分分析（PCA）,核主成分分析（KPCA）,最小二乘向量机（LSSVM）