计算智能和神经科学

研究文章

计算机辅助诊断心脏病的风险预测使用提高支持向量机

表4

表现不同的克利夫兰数据集的方法。


作者	方法	精度(%)

Mirza et al。31日]	RBFSVM	87.114
阿门et al。32]	物流回归	82年
Sajja et al。33]	支持向量机	92 - 94
瓦里斯- & Koteeswaran [34]	新资讯	93年
古普塔et al。35]	朴素贝叶斯	88.16
赛等。36]	混合分类器的加权投票(HCWV)	82.54
Abdeldjouad et al。37]	GFS-logicboost-C	94.17
Motarwar et al。38]	演算法	80.32
Alotaibi [39]	决策树	93.19
古普塔et al。40]	朴素贝叶斯的合奏,演算法,提高了树	87.97
该方法	提高支持向量机	99.92