本文關(guān)鍵詞：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　出處：《深圳大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 高血壓證素辯證 多標(biāo)記學(xué)習(xí) 集成學(xué)習(xí) 不平衡問題 規(guī)則提取

【摘要】：高血壓疾病是引起心血管疾病的重要原因之一,中國(guó)高血壓患病率正呈現(xiàn)上升趨勢(shì)。隨著中醫(yī)高血壓數(shù)據(jù)的增長(zhǎng),對(duì)中醫(yī)高血壓證素辯證進(jìn)行研究將是一個(gè)具有前景的方向。中醫(yī)對(duì)高血壓治療是基于辯證的手段進(jìn)行的,只有先經(jīng)過辯證得到具體的證名才會(huì)有相應(yīng)的治療手段。辯證是一個(gè)首先通過分析證候信息,推斷出證素信息,最后合成證名的過程。傳統(tǒng)中醫(yī)師進(jìn)行辯證主要依賴于對(duì)前人經(jīng)驗(yàn)的學(xué)習(xí)以及個(gè)人經(jīng)驗(yàn)。隨著中醫(yī)高血壓臨床數(shù)據(jù)的劇增,這種方式不再適合于發(fā)現(xiàn)中醫(yī)高血壓辯證新的知識(shí)。本文將應(yīng)用數(shù)據(jù)挖掘技術(shù)研究中醫(yī)高血壓證素辯證,即研究分析證候信息,得到證素信息的過程。為了發(fā)現(xiàn)高血壓證素辯證中證候與證素之間的關(guān)系,本文運(yùn)用了多標(biāo)記集成學(xué)習(xí)方法、不平衡處理策略與規(guī)則提取等技術(shù)。本文的主要工作如下:首先,本文針對(duì)高血壓證素辯證中一個(gè)樣本存在多個(gè)證候和多個(gè)證素的特征,將多標(biāo)記學(xué)習(xí)方法應(yīng)用于中醫(yī)高血壓證素辯證,本文還對(duì)高血壓證素辯證數(shù)據(jù)進(jìn)行了統(tǒng)計(jì),發(fā)現(xiàn)了其中一些證素存在著類別不平衡的問題。接著,結(jié)合多標(biāo)記學(xué)習(xí)方法和集成學(xué)習(xí)方法的優(yōu)勢(shì),比較不同多標(biāo)記集成學(xué)習(xí)方法在高血壓證素辯證中的優(yōu)勢(shì),探索出一種具有較高性能的中醫(yī)高血壓證素辯證的分類模型。在這個(gè)過程中,結(jié)合部分證素存在著類別不平衡的問題,提出了一種基于標(biāo)記相關(guān)性的欠采樣算法,改善了高血壓證素辯證過程中證素類別不平衡的問題。最后,本文利用隨機(jī)森林規(guī)則提取構(gòu)建了一個(gè)可解釋性與準(zhǔn)確性相結(jié)合的模型,用于指導(dǎo)高血壓證素辯證。隨機(jī)森林中每棵決策樹從根結(jié)點(diǎn)節(jié)點(diǎn)到葉子節(jié)點(diǎn)的路徑可以認(rèn)為是一條規(guī)則,本文通過對(duì)高血壓證素?cái)?shù)據(jù)集進(jìn)行訓(xùn)練得到隨機(jī)森林分類器,采用爬山法對(duì)隨機(jī)森林中的決策樹進(jìn)行抽取,之后使用隨機(jī)重啟爬山法搜索隨機(jī)森林中的最優(yōu)規(guī)則子集,從而獲得一個(gè)可解釋性與準(zhǔn)確率相結(jié)合的模型,用于發(fā)現(xiàn)高血壓證素辯證中的規(guī)則。本文研究高血壓證素辯證從分類性能與可解釋性兩個(gè)角度出發(fā),分別提出了兩種高血壓證素辯證模型,能夠?yàn)橹嗅t(yī)高血壓的診斷帶來(lái)輔助決策,同時(shí)還能發(fā)現(xiàn)高血壓證素辯證中的規(guī)則,為中醫(yī)的信息化、客觀化與現(xiàn)代化做出貢獻(xiàn)。
[Abstract]:In order to find out the relationship between the syndrome and the syndrome of hypertension syndrome , this paper applies the method of multi - marker integrated learning to the identification of hypertension syndrome .

【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R259;TP181

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前4條

1 關(guān)菁華;劉大有;賈海洋;;自適應(yīng)多分類器集成學(xué)習(xí)算法[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

2 劉伍穎;王挺;;一種多過濾器集成學(xué)習(xí)垃圾郵件過濾方法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

3 葉紅云;倪志偉;陳恩紅;;一種混合型集成學(xué)習(xí)演化決策樹算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

4 李燁;蔡云澤;許曉鳴;;基于支持向量機(jī)集成的故障診斷[A];第16屆中國(guó)過程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 阿里木·賽買提(Alim.Samat);基于集成學(xué)習(xí)的全極化SAR圖像分類研究[D];南京大學(xué);2015年

2 王永明;集成回歸問題若干關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2015年

3 常征;基于混合集成學(xué)習(xí)的眼部與四肢交互動(dòng)作建模與識(shí)別[D];北京科技大學(xué);2016年

4 張春霞;集成學(xué)習(xí)中有關(guān)算法的研究[D];西安交通大學(xué);2010年

5 劉天羽;基于特征選擇技術(shù)的集成學(xué)習(xí)方法及其應(yīng)用研究[D];上海大學(xué);2007年

6 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學(xué)習(xí)研究[D];武漢大學(xué);2012年

7 王清;集成學(xué)習(xí)中若干關(guān)鍵問題的研究[D];復(fù)旦大學(xué);2011年

8 方育柯;集成學(xué)習(xí)理論研究及其在個(gè)性化推薦中的應(yīng)用[D];電子科技大學(xué);2011年

9 侯勇;特征提取與集成學(xué)習(xí)算法的研究及應(yīng)用[D];北京科技大學(xué);2015年

10 李燁;基于支持向量機(jī)的集成學(xué)習(xí)研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 高偉;基于半監(jiān)督集成學(xué)習(xí)的情感分類方法研究[D];蘇州大學(xué);2015年

2 宋文展;基于抽樣的集成進(jìn)化算法研究[D];廣西大學(xué);2015年

3 湯瑩;遷移與集成學(xué)習(xí)在文本分類中的應(yīng)用研究[D];江蘇科技大學(xué);2015年

4 劉政;基于知識(shí)元和集成學(xué)習(xí)的中文微博情感分析[D];大連理工大學(xué);2015年

5 丘橋云;結(jié)合文本傾向性分析的股評(píng)可信度計(jì)算研究[D];哈爾濱工業(yè)大學(xué);2014年

6 秦海;融合非標(biāo)記樣本選擇的集成學(xué)習(xí)研究[D];湘潭大學(xué);2015年

7 李想;基于多示例的集成學(xué)習(xí)理論與應(yīng)用研究[D];合肥工業(yè)大學(xué);2014年

8 李震宇;基于集成學(xué)習(xí)的數(shù)字圖像隱寫定量分析[D];解放軍信息工程大學(xué);2014年

9 王希玲;基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)方法研究[D];青島科技大學(xué);2016年

10 陳范曙;基于信息整合的藥物相關(guān)信息挖掘方法研究[D];華東師范大學(xué);2016年

，

本文編號(hào)：1433486