發(fā)布時(shí)間：2021-02-28 18:52

　　地中海貧血病是一種嚴(yán)重的血紅蛋白病,目前尚無(wú)根治方法,中、重型患者會(huì)給家庭和社會(huì)帶來(lái)沉重負(fù)擔(dān),有效避免其患兒的出生變得尤為重要。目前機(jī)器學(xué)習(xí)在地中海貧血預(yù)警領(lǐng)域應(yīng)用不廣,文中提出了一種新的混合采樣AdaBoost算法,對(duì)少類樣本進(jìn)行DSMOTE處理,對(duì)多類樣本采用隨機(jī)下采樣處理,并將平衡后的數(shù)據(jù)集送入AdaBoost分類器進(jìn)行分類訓(xùn)練。針對(duì)不同的采樣方法和分類器進(jìn)行仿真驗(yàn)證,結(jié)果表明所提方法的綜合性能評(píng)估具有一定的優(yōu)越性,對(duì)地中海貧血臨床預(yù)警有一定指導(dǎo)意義。 

【文章來(lái)源】：數(shù)據(jù)通信. 2020,(05)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

隨機(jī)森林特征選擇

從表4可以看出以上4種分類模型效果相差不大，但是相對(duì)而言LR分類器在FN相差不大的情況下，F(xiàn)P最大，會(huì)對(duì)受檢者造成嚴(yán)重的經(jīng)濟(jì)損失。而KNN和SVM性能相差不大，但依然沒(méi)有Ada Boost好。表5是不同分類器下的評(píng)價(jià)指標(biāo)值，相對(duì)而言，所提混合采樣Ada Boost的Acc、Pre、Spe和F值都有明顯優(yōu)勢(shì)。圖3展示了4種機(jī)器學(xué)習(xí)的5種指標(biāo)柱狀圖，圖中可以清晰的看出所提出的混合采樣下Adaboost算法的各項(xiàng)指標(biāo)相對(duì)其他算法而言具有一定的優(yōu)勢(shì)。結(jié)合表4和圖3可知混合采樣Adaboost算法性能最優(yōu)。

鑒于不平衡數(shù)據(jù)的特征采用單一采樣方法仍存在的缺點(diǎn)，本文提出一種基于混合采樣Ada Boost算法。該算法主要從少類樣本的生成方式及生成數(shù)目入手，并把平衡后的數(shù)據(jù)集送入Ada Boost算法，在數(shù)據(jù)層對(duì)比了SMOTE過(guò)采樣和Under下采樣;算法層對(duì)比了LR、KNN和SVM分類器。實(shí)驗(yàn)結(jié)果表明，所提方法在評(píng)價(jià)指標(biāo)上存在一定的優(yōu)越性，可為地中海貧血臨床預(yù)警提供一定的參考價(jià)值。

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林模型的交界域火災(zāi)風(fēng)險(xiǎn)分析[J]. 侯曉靜,明金科,秦榮水,朱霽平.  林業(yè)科學(xué). 2019(08)
[2]不平衡分類的數(shù)據(jù)采樣方法綜述[J]. 劉定祥,喬少杰,張永清,韓楠,魏軍林,張榕珂,黃萍.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(07)
[3]基于概率采樣和集成學(xué)習(xí)的不平衡數(shù)據(jù)分類算法[J]. 曹雅茜,黃海燕.  計(jì)算機(jī)科學(xué). 2019(05)
[4]基于KELM-AdaBoost方法的短期風(fēng)電功率預(yù)測(cè)（英文）[J]. 李軍,閆佳佳.  控制工程. 2019(03)
[5]基于混合采樣的非平衡數(shù)據(jù)分類算法[J]. 吳藝凡,梁吉業(yè),王俊紅.  計(jì)算機(jī)科學(xué)與探索. 2019(02)
[6]基于混淆矩陣的多目標(biāo)優(yōu)化三支決策模型[J]. 徐健鋒,苗奪謙,張遠(yuǎn)健.  模式識(shí)別與人工智能. 2017(09)
[7]中國(guó)南方地區(qū)地中海貧血研究進(jìn)展[J]. 楊陽(yáng),張杰.  中國(guó)實(shí)驗(yàn)血液學(xué)雜志. 2017(01)
[8]基于AdaBoost的類不平衡學(xué)習(xí)算法[J]. 秦孟梅,邱建林,陸鵬程,陳璐璐,趙偉康.  計(jì)算機(jī)應(yīng)用研究. 2017(11)
[9]Constructing ECOC based on confusion matrix for multiclass learning problems[J]. Jindeng ZHOU,Yun YANG,Mingjie ZHANG,Haibo XING.  Science China（Information Sciences）. 2016(01)
[10]基于聚類融合的不平衡數(shù)據(jù)分類方法[J]. 陳思,郭躬德,陳黎飛.  模式識(shí)別與人工智能. 2010(06)

博士論文
[1]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]地中海貧血疾病篩查方案的Meta分析[D]. 任俊香.昆明理工大學(xué) 2016



本文編號(hào)：3056293