基于改进灰狼优化核极限学习机的疾病诊断模型

为提高疾病诊断的效率，本文提出一种改进的灰狼优化算法与核极限学习机的混合模型。通过引入一种新的机制提高灰狼优化算法的探索与利用能力，改进的灰狼优化算法在进行特征选择的同时，也对核极限学习机的2个关键参数进行优化，模型在2个疾病数据集上进行实验验证。实验结果显示：提出的模型在准确率、敏感性、特异性等评价指标方面相对于其他混合模型高出约1%～2%，带特征选择的优化模型相对于没有特征选择的模型在评价指标上也高出约1%～2%。结果表明提出的模型具有一定的优势。