1. 研究目的与意义及国内外研究现状

1、本文着眼于社会亟待解决的医患矛盾问题，以提升医疗诊断的准确率，缓解因治疗不当而引的紧张的医患矛盾为目的进行相关研究，具有现实意义。

2、本文构建医疗诊断分析模型能够有针对性的识别疾病中显著影响因素，因此患者可以进行合理的

医疗检查，不仅可以节约医疗成本而且可以提高诊疗效率，具有实际的应用价值。

2. 研究的基本内容

本文以影响因素多、病理复杂而患病个体少的医疗数据为研究对象，针对这类高维小样本且不均衡的医疗数据集这种提出了将Elastic Net特征选择应用到SVM分类模型中构建Elastic—SVM模型，将该模型应用于高维小样本医疗数据中进行医疗诊断，提升诊断准确率。此外，考虑不均衡数据对诊断准确性的影响，本文并利用adaboost算法组成SVM_adaboost强分类器来提高因不均衡数据样本的预测精度。

3. 实施方案、进度安排及预期效果

实施方案：

文章采用uci网站提供的cardiotocography数据集进行模型的构建及测试。首先提出了基于elastic net的支持向量机模型进行医疗诊断，在确定该模型优于传统模型后，继续考虑了不均衡数据集对模型精度的影响，来利用adaboost算法来迭代svm弱分类器，组成强分类器的方法，对elastic-svm分类器在不均衡数据集的分类性能上进行改进。

进度安排：

4. 参考文献

[1]章永来，史海波，尚文利等.面向乳腺癌辅助诊断的改进支持向量机方法[j].计算机应用研究，2013,30（8）：2373-2376

[2]赵紫奉，李韶斌，孔抗美.基于决策树算法的疾病诊断分析[j]. 中国卫生信息管理杂志，2011,8（5）：67-69.

[3]kong gui-lan,xu dong-ling,body r,et al.a belief rule-based decision support system for clinical risk assessment of cardiac chest pain[j].european journal of operational research,2012,219(3):564-573.