摘要：針對帕金森疾病的病因不明確、臨床表現(xiàn)性多樣,容易造成醫(yī)生誤判、漏判的問題,論文提出一種基于改進的PSO-SVM算法(IMPSO-SVM)對帕金森疾病進行診斷,用來提高對帕金森疾病的識別精度。該算法對不同性能的粒子動態(tài)分配慣性權重和學習因子,提高支持向量機模型的學習能力和泛化能力。最后將論文提出的IMPSO-SVM算法應用到帕金森疾病臨床表現(xiàn)的數(shù)據(jù)上并通過實驗表明該算法與經典的基于粒子群優(yōu)化的支持向量機(PSO-SVM)算法和基于遺傳優(yōu)化的支持向量機(GA-SVM)算法相比,在預測精度和執(zhí)行效率上都有所提高。因此該算法可作為輔助醫(yī)生診斷帕金森疾病的一種有效方法。