心血管疾病是一種多發(fā)的慢性疾病,在給患者的身體健康造成了嚴(yán)重的影響的同時(shí),為社會(huì)和患者帶來了沉重的醫(yī)療負(fù)擔(dān),對心血管疾病進(jìn)行快速高效的預(yù)測將有助于患者及時(shí)發(fā)現(xiàn)疾病。由于在對患者病情進(jìn)行快速分類預(yù)測的情境下,患者的不同病情信息的獲取需要耗費(fèi)不同的時(shí)間,因此如何根據(jù)這些具有差異的時(shí)間耗費(fèi)對患者的病情信息進(jìn)行階段性劃分并對病情信息進(jìn)行高效的利用對于心血管疾病的分類預(yù)測具有重要的意義。目前對于心血管疾病進(jìn)行預(yù)測的研究主要集中于兩個(gè)方面,一個(gè)是關(guān)于心血管疾病風(fēng)險(xiǎn)評估模型的構(gòu)建,但是此類研究需要大量的患者作為長期的隨訪對象,不適宜于進(jìn)行快速高效的研究;另外一個(gè)是將心血管疾病的預(yù)測問題抽象成為機(jī)器學(xué)習(xí)中的問題,利用機(jī)器學(xué)習(xí)方法對心血管疾病進(jìn)行特征選擇以及預(yù)測。然而目前的研究對心血管疾病進(jìn)行快速高效預(yù)測的情境未進(jìn)行較多的考慮。因此本文針對心血管疾病預(yù)測研究的特點(diǎn),在考慮時(shí)間耗費(fèi)的前提下,利用機(jī)器學(xué)習(xí)方法構(gòu)建心血管疾病的預(yù)測模型,對心血管疾病進(jìn)行快速高效的預(yù)測。首先本文基于時(shí)間耗費(fèi)分階段對心血管疾病的危險(xiǎn)因素進(jìn)行組合;然后,為實(shí)現(xiàn)對信息的高效利用,針對心血管疾病數(shù)據(jù)中存在不相關(guān)以及冗余信息的問題,利用隨... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

決策樹的簡單圖示

第2章相關(guān)理論與方法13對ID3的改進(jìn)[47]，CART算法是由L.Breiman在1984年所設(shè)計(jì)出的二叉決策樹生成算法[48]。對于這三種算法，ID3以及C4.5算法進(jìn)行屬性選擇是基于使節(jié)點(diǎn)所包含的信息熵最小化進(jìn)行的，其中C4.5算法在修建決策樹時(shí)采用的是后剪枝方法，并在ID3的基礎(chǔ)上將分類范圍從分類的屬性擴(kuò)展到數(shù)字屬性。而CART算法是以Gini指標(biāo)作為屬性選擇的標(biāo)準(zhǔn)。在本文中，隨機(jī)森林所采用的決策樹算法為CART算法，使得集成的隨機(jī)森林算法適用于醫(yī)療數(shù)據(jù)的處理。圖2-1決策樹的簡單圖示2.2.3隨機(jī)森林原理2.2.3.1隨機(jī)森林的生成隨機(jī)森林是由數(shù)量眾多的個(gè)體決策樹組合而成的分類器，通過多數(shù)投票機(jī)制來確定最終的預(yù)測結(jié)果。隨機(jī)森林的生成過程如下圖所示：圖2-2隨機(jī)森林的生成

天津大學(xué)碩士學(xué)位論文24()(()),=tanhTijijKxxxx+(2-32)其中和為正實(shí)數(shù)。在以上四種和函數(shù)中，線性核函數(shù)比較方便快捷，但在分類準(zhǔn)確性上表現(xiàn)不佳，而其他三種核函數(shù)雖然計(jì)算比較復(fù)雜，但是在分類性能上表現(xiàn)良好。其中RBF即徑向基核函數(shù)是目前應(yīng)用最廣泛的核函數(shù)。圖2-5支持向量機(jī)結(jié)構(gòu)圖2.3.3支持向量機(jī)的特點(diǎn)支持向量機(jī)作為一種廣泛使用的分類器，具有以下特點(diǎn)：（1）支持向量機(jī)采用了核函數(shù)，使得其算法的復(fù)雜程度與特征空間的維數(shù)無關(guān)，避免了維度災(zāi)難的問題。（2）支持向量機(jī)在尋求最優(yōu)分類超平面的過程是解決一個(gè)二次規(guī)劃的過程，使得其尋求到的解是一個(gè)全局最優(yōu)解，避免了局部最優(yōu)解以及多解的發(fā)生。（3）支持向量機(jī)在尋求最優(yōu)分類超平面的過程中，間隔最大化是其主要核心。（4）支持向量機(jī)的最優(yōu)分類決策函數(shù)是由支持向量決定的，而大多數(shù)樣本對于決策函數(shù)的確定是無意義的，這一特點(diǎn)使得支持向量機(jī)能夠在大量樣本中抓住主要樣本，排除不必要的樣本，簡捷高效，具有良好的魯棒性。（5）支持向量機(jī)以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為基礎(chǔ)，在建模過程中最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)與置信范圍，使得支持向量機(jī)具有良好的泛化能力。

【參考文獻(xiàn)】：
期刊論文
[1]《中國心血管病報(bào)告2017》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽.  中國循環(huán)雜志. 2018(01)
[2]中國城鎮(zhèn)居民5種慢性疾病的經(jīng)濟(jì)負(fù)擔(dān)和經(jīng)濟(jì)風(fēng)險(xiǎn)[J]. 劉明,孫利華,劉國恩.  北京大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2014(05)
[3]基于支持向量機(jī)的冠心病輔助診斷研究[J]. 呂曉燕,羅立民,李祥生,郭建軍.  計(jì)算機(jī)工程與應(yīng)用. 2008(36)
[4]國人缺血性心血管病發(fā)病危險(xiǎn)的評估方法及簡易評估工具的開發(fā)研究[J]. 國家“十五”攻關(guān)“冠心病、腦卒中綜合危險(xiǎn)度評估及干預(yù)方案的研究”課題組.  中華心血管病雜志. 2003(12)
[5]中國35～64歲人群心血管病危險(xiǎn)因素與發(fā)病危險(xiǎn)預(yù)測模型的前瞻性研究[J]. 王薇,趙冬,劉靜,吳桂賢,曾哲淳,劉軍,秦蘭萍,孫佳藝,吳兆蘇.  中華心血管病雜志. 2003(12)

碩士論文
[1]積分法診斷冠心病的臨床研究[D]. 劉炎.安徽醫(yī)科大學(xué) 2014



本文編號：3360457