论文部分内容阅读
随着中医信息化发展,中医诊断的客观化研究日益受到国内外重视。如何充分利用宝贵的中医临床数据资源来为中医学诊疗提供科学决策支持,促进中医学进一步发展,已成为研究的重点。数据挖掘是解决这些问题的一个新方法,而分类作为数据挖掘的主要研究内容之一,在中医临床辅助诊断中日益受到重视。特征选择可以提高分类性能,同时也为寻找中医特征和疾病之间的关系提供一种新思路。本文结合已收集中医临床数据的实际情况,从不均衡数据分类、多标记分类、特征选择对分类的影响这三个关键方面,对临床数据进行疾病分类研究。期望通过提高分类性能,进而提高计算机辅助诊断能力。主要工作有:第一,不均衡数据疾病分类方面。从数据层面入手,结合中医临床数据的实际情况,在欠采样的基础上进行改进。结合改进的抽样方式、Asymmetric Bagging提出改进算法FPUSAB。实验结果表明,与Asymmetric Bagging相比,FPUSAB算法在AUC上平均提升了 10.5%,在Bacc上平均提升为8.4%。第二,多标记数据疾病分类方面。针对中医临床数据存在的类别不均衡以及ML-kNN在寻找近邻的缺点,在WML-kNN的基础上引入粒计算提出了改进算法WM4LG-GkNN。实验结果表明,与改进前的算法相比,WML-GkNN在Hammin Loss上平均提升11.2%,在Avg precision上平均提升5.3%,Coverage上平均提升2.1%,One-Error上平均提升5.1%Ranking loss上平均提升7.6%。第三,特征选择对分类的影响。中医临床数据特征较多,不利于计算机辅助诊断。针对不均衡数据疾病分类的特征选择,引入预测风险标准,基于FPUSAB算法提出了PRFS-FPUSAB算法,实验表明特征选择后AUC平均提升了 7.4%;对于多标记疾病分类,使用在冠心病具有很好选择性能的HOML算法对多标记数据进行特征选择,实验表明特征选择后分类指标Hamming Loss平均提升17.77%、Avg precision平均均提升6.28%、Coverage 平均提升 15.73%、One-Error 平均提升 10.21%、Ranking Loss、平均提升25.22%,并且选择出的特征符合中医学相关疾病理论。