Resumen

La hepatitis es una enfermedad mortal. El manejo y diagnóstico de la enfermedad de la hepatitis es costoso y requiere un alto nivel de experiencia humana, lo que plantea desafíos para el sistema de atención médica en países subdesarrollados y en desarrollo. Por lo tanto, el desarrollo de métodos automatizados para la predicción precisa de la enfermedad de la hepatitis es inevitable. En este artículo, desarrollamos un sistema de diagnóstico que hibrida un modelo de máquina de soporte vectorial (SVM) lineal con un modelo de aumento adaptativo (AdaBoost). Explotamos la esparcidad en SVM lineal que es causada por la regularización. El SVM lineal esparcido es capaz de eliminar características redundantes o irrelevantes del espacio de características. Después de filtrar las características a través del SVM lineal disperso, la salida del SVM se aplica al modelo de conjunto AdaBoost que se utiliza con fines de clasificación. Se realizan dos tipos de experimentos numéricos en las características clínicas de la enfermedad de la hepatitis recopiladas del repositorio de aprendizaje automático de UCI

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Hepatitis; Diagnóstico; Métodos automatizados; Modelo SVM; Modelo AdaBoost; Espacio de características
• Keywords:Hepatitis disease; Diagnosis; Automated methods; SVM model; AdaBoost model; Feature space