人们生活水平提高的同时,卫生健康问题也日益显得重要。肝病是指发生在肝脏的病变,是一种常见的危害性极大的疾病,肝病患者因过度饮酒、吸入有害气体、摄入被污染的食物和毒品所致,肝脏有许多基本功能,肝脏疾病给医疗服务的提供带来了许多问题。一直以来肝病的诊断方法都受到学者们的广泛关注,分类技术在各种自动医疗诊断工具中非常流行,对某些疾病的诊断准确率已远超过人类医生。现在肝病的诊断检测大部分是基于功能检测,此外可以分析人体血液中酶的含量水平进行诊断,通过设备检测人体的生理指标,如:碱性磷酸酶(ALP)、总胆红素(TB)、直接胆红素(DB)、丙氨酸转氨酶(ALT)和天冬氨酸转氨酶(AST)、白蛋白(AI)和总蛋白(TP)的比率等。传统的肝病检测是通过支持向量机来建立分类模型,对支持向量机的参数选取并没有达到模型的最优值,使得模型的测试时间过长且准确率达不到预期效果,以此为基础对群智能算法进行利用为向量机参数提供优化支持,由此使得参数寻优向着更加精准的方向发展。提高肝病预测模型的准确率并且缩短检测时间,因此使用群智能算法是当前支持向机参数优化方法的一种有效途径。本文以UCI机器学习数据库提供的印度肝病患者数据集的检测指标为研究对象,提取数据属于的特征来构建模型分析,并通过群智能算法进行支持向量机参数优化参数性能,完成了这些指标及关系构建肝病检测分类器,从而实现支持向量机模型获得较好的分类准确率,为帮助尽早预测、提高诊断肝病准确率起到重要作用。本文分两部分展开对群智能算法在肝病检测参数优化中的应用研究:首先阐述了相关的群智能优化算法的原理机制及几种改进形式,并进行系统的归纳及总结,为它们的融合及应用打下了基础,其次研究了标准粒子群算法在面对多峰时存在求解局限性这一问题上,引进动态分组的概念,提出多簇粒子群优化算法。将粒子群优化算法的拓扑结构由静态变为动态,同时利用不同参数对适应度函数进行测试。此外,对向量机对支持参数进行研究分析,对群智能算法支持向量机的参数选择,并实现了参数的优化测试。最后研究了具体的应用场景,结合DMGPSO算法和网格搜索方法,设计了一种混合参数优化方法(GSA+DMGPSO),完成了数据集的预处理,通过构建数据属性的单特征模型的ROC曲线进行评价来实现特征选择,该混合算法通过利用网格搜索算法确定参数解的近似区域,然后结合疾病检测模型中支持向量机的网格搜索算法参数优化、动态分组多簇粒子群优化算法。最终完成模型支持向量机的参数寻优相关工作。测试结果显示对向量机模型提供支持,可以使得分类准确率有显著提高。