Revista: | Ingeniería UC |
Base de datos: | PERIÓDICA |
Número de sistema: | 000270297 |
ISSN: | 1316-6832 |
Autores: | Seijas, César1 Caralli, Antonino Villasana, Sergio Sáenz, Laura Arteaga, Francisco |
Instituciones: | 1Universidad de Carabobo, Facultad de Ingeniería, Valencia, Carabobo. Venezuela |
Año: | 2006 |
Periodo: | Dic |
Volumen: | 13 |
Número: | 3 |
Paginación: | 13-18 |
País: | Venezuela |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Experimental |
Resumen en español | En este trabajo se usó las Máquinas de Vectores de Soporte (SVM, de sus siglas en inglés) como predictor o clasificador (SVC) del padecimiento de Hipertensión Arterial (HTA) en humanos. El SVC desarrollado usó factores fisiológicos, que según los expertos pueden producir HTA, para decidir el padecimiento o no de la enfermedad. Los conjuntos de entrenamiento y validación del SVC construido constan de 600 y 200 datos respectivamente, tomados aleatoriamente de una base de datos de la Asociación Norteamericana de HTA, año 2000, con 7200 evaluaciones de HTA y 28 factores fisiológicos antes mencionados. La SVC construida usó como "kernel" funciones de base radial, lográndose un error medio cuadrático menor de 3%. Se verificó el excelente desempeño como clasificador de las SVM, tanto con datos de distribución conocida, como de datos experimentales, correspondientes a la evaluación de variables fisiológicas humanas obtenidas en consultas cardiológicas |
Resumen en inglés | This work presents the Support Vector Machines (SVM) as predictor or classifier (SVC) of the Human Arterial Hypertension (HTA) illness. The developed SVC used physiological factors, which according to experts can produce HTA, to decide the suffering or not of the illness. Training and validation sets of the built SVC are respectively made up of 600 and 200 samples, which were taken randomly from the North American Association data base of HTA, year 2000, with 7200 HTA evaluations and 28 physiological factors as before mentioned. Designed SVC used as kernel the radial basis function, being achieved a mean square error less than 3%. The excellent performance of the SVM as classifier was verified, with data of know distribution as well as with data of experimental data, corresponding to the evaluation of human physiological variables obtained from cardiological consulting. Keywords: Support vector machines, classification, arterial hypertension |
Disciplinas: | Medicina, Ingeniería |
Palabras clave: | Sistema cardiovascular, Ingeniería electrónica, Máquinas vectoriales de soporte, Hipertensión arterial, Bioelectrónica, Sistemas no lineales |
Keyword: | Medicine, Engineering, Cardiovascular system, Electronic engineering, Support vector machines, Hypertension, Bioelectronics, Nonlinear systems |
Texto completo: | Texto completo (Ver HTML) |