论文部分内容阅读
对胎儿先天性心脏病问题的研究,能够有效提升对胎儿先天性心脏病的诊断质量。对先天性心脏病的优化诊断,需要将胎儿先天性心脏病数据样本特征变换到一个更高维的特征空间,对数据分类函数进行优化。传统方法得到胎儿先天性心脏病数据特征值间的相关性,提取数据特征,但忽略了获取数据分类函数以及对其的优化,导致诊断质量偏低。提出基于改进随机森林数据挖掘的胎儿先天性心脏病诊断方法。构建不同数量的数据样本分类回归树,计算出每个数据样本的特征,构建随机森林特征分类器,将数据样本特征低维空间的输入变量变换到一个更高维的特征空间