發(fā)布時(shí)間：2020-05-25 10:09

【摘要】：隨著計(jì)算機(jī)科學(xué)技術(shù)和信息技術(shù)的發(fā)展,中醫(yī)藥學(xué)也順應(yīng)潮流逐漸實(shí)現(xiàn)信息化和現(xiàn)代化。其中,中醫(yī)癥狀-證型的辯證分類技術(shù)獲得廣泛關(guān)注并取得相應(yīng)發(fā)展,是當(dāng)前中醫(yī)藥領(lǐng)域主要的研究課題之一。由于中醫(yī)病案數(shù)據(jù)具有復(fù)雜性、模糊性和不確定性等問題,使得傳統(tǒng)單一的分類挖掘無法確保對所有信息的綜合考量。而考慮到集成學(xué)習(xí)具有較高分類準(zhǔn)確率和較好的泛化性能,因此本課題針對合作醫(yī)院所提供的中醫(yī)哮喘病病案數(shù)據(jù)采用集成學(xué)習(xí)模型進(jìn)行分類研究,以獲得中醫(yī)哮喘病數(shù)據(jù)的辨證規(guī)律。首先對中醫(yī)病案進(jìn)行量化處理,并根據(jù)改進(jìn)的特征選擇算法IHCFS(Improved Hierarchical Clustering Feature Selection Algorithm)獲取中醫(yī)哮喘病的主癥狀。為了更加客觀的描述中醫(yī)病案癥狀,對病案癥狀信息進(jìn)行分級(jí)量化,并采用數(shù)據(jù)庫編程實(shí)現(xiàn)自動(dòng)批量文本數(shù)字化處理以用于后續(xù)研究;對于中醫(yī)病案數(shù)據(jù)特征存在繁多的癥狀和冗余信息等問題,主要對層次聚類特征選擇算法的評價(jià)函數(shù)以及終止準(zhǔn)則進(jìn)行改進(jìn)得到IHCFS算法,以更好的剔除冗余信息從而獲取哮喘病的主癥狀。仿真實(shí)驗(yàn)證明所獲取的主癥狀更有利于后續(xù)辯證分類。然后提出一種基于多模態(tài)擾動(dòng)策略的集成學(xué)習(xí)算法ELSFS(Ensemble Learning Based on Sampling and Future Selection)用于中醫(yī)病案的辯證分類。其中利用隨機(jī)抽樣法進(jìn)行樣本空間擾動(dòng),利用IHCFS算法進(jìn)行特征空間擾動(dòng)以獲得差異性更大的基分類器。在UCI數(shù)據(jù)集上仿真驗(yàn)證,結(jié)果顯示ELSFS算法具有更好的分類性能。最后考慮基分類器數(shù)目過多時(shí)所產(chǎn)生的冗余基分類器對模型預(yù)測性能的影響,提出一種基于加權(quán)貪心策略的選擇性集成學(xué)習(xí)算法SELGS(Selective Ensemble Based on Weighted Greedy Strategy)以減少預(yù)測階段的存儲(chǔ)空間、降低運(yùn)算開銷,以提高加快預(yù)測速度。通過仿真證明SELGS算法具有更好的辯證分類性能。
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP181;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘主強(qiáng);張林;張磊;李國正;顏仕星;;中醫(yī)臨床不均衡數(shù)據(jù)疾病分類方法研究[J];智能系統(tǒng)學(xué)報(bào);2017年06期

2 毋雪雁;王水花;張煜東;;K最近鄰算法理論與應(yīng)用綜述[J];計(jì)算機(jī)工程與應(yīng)用;2017年21期

3 顏建軍;胡宗杰;劉國萍;王憶勤;付晶晶;郭睿;錢鵬;;基于極值隨機(jī)森林的慢性胃炎中醫(yī)證候分類[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年05期

4 陳德華;吳迪;潘喬;;基于超聲特征集成學(xué)習(xí)的甲狀腺結(jié)節(jié)分類方法研究[J];智能計(jì)算機(jī)與應(yīng)用;2016年06期

5 江峰;張友強(qiáng);杜軍威;劉國柱;馮云霞;;一種基于抽樣與約簡的集成學(xué)習(xí)算法[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

6 江峰;張友強(qiáng);杜軍威;劉國柱;眭躍飛;;基于近似約簡的集成學(xué)習(xí)算法及其在入侵檢測中的應(yīng)用[J];北京工業(yè)大學(xué)學(xué)報(bào);2016年06期

7 曹杰;邵笑笑;;基于信息增益和Bagging集成學(xué)習(xí)算法的個(gè)人信用評估模型研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2016年08期

8 李詒靖;郭海湘;李亞楠;劉曉;;一種基于Boosting的集成學(xué)習(xí)算法在不均衡數(shù)據(jù)中的分類[J];系統(tǒng)工程理論與實(shí)踐;2016年01期

9 吳嘉瑞;唐仕歡;郭位先;張曉朦;張冰;;基于數(shù)據(jù)挖掘的名老中醫(yī)經(jīng)驗(yàn)傳承研究述評[J];中國中藥雜志;2014年04期

10 鄭舞;劉國萍;;常見數(shù)據(jù)挖掘方法在中醫(yī)診斷領(lǐng)域的應(yīng)用概況[J];中國中醫(yī)藥信息雜志;2013年04期

相關(guān)博士學(xué)位論文 前2條

1 袁鋒;中醫(yī)醫(yī)案文本挖掘的若干關(guān)鍵技術(shù)研究[D];山東師范大學(xué);2016年

2 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 朱燦杰;基于集成學(xué)習(xí)與規(guī)則提取的多標(biāo)記學(xué)習(xí)方法在高血壓證素辯證中的研究[D];深圳大學(xué);2017年

2 陳亞楠;基于Hadoop的中醫(yī)病案數(shù)據(jù)挖掘系統(tǒng)研究與設(shè)計(jì)[D];青島科技大學(xué);2017年

3 胡金濤;基于C4.5決策樹的學(xué)生成績預(yù)測教學(xué)系統(tǒng)的研究與實(shí)現(xiàn)[D];西南交通大學(xué);2017年

4 邢盼盼;基于Bagging的兩階段特征選擇集成分類器研究[D];鄭州大學(xué);2017年

5 王穎;特征選擇輔助的基于集成學(xué)習(xí)的入侵檢測模型研究[D];蘭州大學(xué);2017年

6 張碩;基于KNN算法的空間手勢識(shí)別研究與應(yīng)用[D];吉林大學(xué);2017年

7 肖雨奇;多標(biāo)簽學(xué)習(xí)應(yīng)用于中醫(yī)診斷帕金森中類別不均衡問題研究[D];南京大學(xué);2016年

8 畢凱;基于集成學(xué)習(xí)的藥物相互作用信息抽取系統(tǒng)的研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2016年

9 李懷;基于集成卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡識(shí)別研究[D];華南理工大學(xué);2016年

10 董國華;基于數(shù)據(jù)挖掘的中醫(yī)診斷智能信息化技術(shù)研究[D];青島科技大學(xué);2015年

，

本文編號(hào)：2679992