【摘要】：傳統(tǒng)的疾病診斷方法依賴于醫(yī)生的經(jīng)驗水平和外部環(huán)境,誤診則可能帶來無法挽回的后果。研究基于機器學(xué)習(xí)的疾病診斷預(yù)測模型,能夠輔助提高疾病診斷的準確性,減少疾病診斷成本,減輕醫(yī)生工作壓力。隨著疾病種類越來越多以及數(shù)據(jù)特征越來越復(fù)雜,使用單一分類器建立的疾病診斷模型已經(jīng)不能保證決策的正確性。在機器學(xué)習(xí)算法中,考慮集成多種技術(shù)的方法,進一步提高分類預(yù)測模型的分類性能。本文引入動態(tài)權(quán)重的思想,同時將幾種不同的分類器集成在一起,并針對數(shù)據(jù)的不平衡改變決策閾值,提出了CELEDAT算法。主要工作如下:使用單一的分類算法很難達到較為滿意的分類預(yù)測結(jié)果,本文基于集成學(xué)習(xí)的思想,與大多集成學(xué)習(xí)算法集成同質(zhì)分類器不同,選擇了K近鄰算法、決策樹、支持向量機和邏輯回歸四種不同的分類算法作為基分類器進行集成。針對傳統(tǒng)的集成學(xué)習(xí)算法中確定基分類器的權(quán)重后是一成不變的,沒有考慮到不同的樣本數(shù)據(jù)與基分類器的適應(yīng)性不同這一問題。引入動態(tài)權(quán)重的思想,根據(jù)測試樣本與聚類得到的類簇的樣本相似性以及各類簇與基分類器的權(quán)重,為每個測試樣本分配不同的權(quán)重。對于疾病數(shù)據(jù)集中的數(shù)據(jù)不平衡問題,根據(jù)不同類別的樣本數(shù)目,改變決策閾值,更新決策規(guī)則,得到最終的預(yù)測結(jié)果。將算法在UCI數(shù)據(jù)資源庫上的多個疾病數(shù)據(jù)集上進行實驗驗證,并對實驗結(jié)果使用G-mean、AUC、F1分數(shù)、正確率、靈敏度和特異度多種指標從多角度去對比分析模型的分類性能。對各種數(shù)據(jù)集的評價結(jié)果,進行了簡單的可視化展示,更直觀地對比分析各個算法模型的優(yōu)劣。同時,將CELEDAT算法應(yīng)用于實際的醫(yī)學(xué)臨床項目中,并進行驗證。
【圖文】：

3 結(jié)合集成學(xué)習(xí)和動態(tài)權(quán)重的疾病診斷預(yù)測模型利用敏捷開發(fā)方法，采用 UML 模型的建模方法對本系統(tǒng)進行簡要需求分析細設(shè)計與實現(xiàn)。對本節(jié)所使用的 Highcharts 圖表框架技術(shù)進行展示實現(xiàn)。該基于 B/S(Brower/Server)模式進行設(shè)計，通過瀏覽器訪問地址，，將請求通過 werver 與后臺進行數(shù)據(jù)交互。Server 端采用 JFinal 輕量級開發(fā)框架進行實現(xiàn)。用戶在系統(tǒng)主界面先選擇指標,然后選擇要對比的數(shù)據(jù)集(默認選擇所有集)，主頁面如圖 3.5 所示。在折線圖和柱狀圖的下方顯示所有算法，可以切換只查看柱狀圖或者折線圖，實現(xiàn)效果如圖 3.6 所示。

所有數(shù)據(jù)集折線圖及柱狀圖展示
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP181;R-05

【相似文獻】

相關(guān)期刊論文 前10條

1 徐繼偉;楊云;;集成學(xué)習(xí)方法:研究綜述[J];云南大學(xué)學(xué)報(自然科學(xué)版);2018年06期

2 武玉英;嚴勇;蔣國瑞;;基于動態(tài)選擇性集成學(xué)習(xí)的供應(yīng)鏈產(chǎn)銷協(xié)商優(yōu)化策略[J];計算機工程;2017年05期

3 張滄生;崔麗娟;楊剛;倪志宏;;集成學(xué)習(xí)算法的比較研究[J];河北大學(xué)學(xué)報(自然科學(xué)版);2007年05期

4 郭福亮;周鋼;;集成學(xué)習(xí)中預(yù)測精度的影響因素分析[J];兵工自動化;2019年01期

5 曾一平;;基于集成學(xué)習(xí)的小麥識別研究[J];現(xiàn)代商貿(mào)工業(yè);2019年17期

6 米碩;孫瑞彬;李欣;明曉;;集成學(xué)習(xí)在文本分類問題中的應(yīng)用[J];中國新通信;2018年09期

7 李曄;劉勝利;張兆林;;基于漂移檢測和集成學(xué)習(xí)的木馬檢測模型[J];信息工程大學(xué)學(xué)報;2017年06期

8 徐桂云;陳躍;張曉光;劉云楷;;基于選擇性集成學(xué)習(xí)的焊接缺陷識別研究[J];中國礦業(yè)大學(xué)學(xué)報;2011年06期

9 張春霞;張講社;;選擇性集成學(xué)習(xí)算法綜述[J];計算機學(xué)報;2011年08期

10 饒峰;;核機器集成學(xué)習(xí)算法的誤差分析[J];重慶文理學(xué)院學(xué)報(自然科學(xué)版);2010年04期

相關(guān)會議論文 前10條

1 關(guān)鵬洲;王夢毫;李倩;;基于集成學(xué)習(xí)和深度學(xué)習(xí)的短期降雨預(yù)測模型[A];2017年（第五屆）全國大學(xué)生統(tǒng)計建模大賽獲獎?wù)撐倪x[C];2017年

2 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2011年

3 倪志偉;張琛;倪麗萍;;基于螢火蟲群優(yōu)化算法的選擇性集成霾天氣預(yù)報方法[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個領(lǐng)域中的應(yīng)用研究[C];2014年

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

5 吳龍飛;孫浩;計科峰;;基于集成映射的半監(jiān)督圖像分類方法[A];第八屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議會刊[C];2014年

6 邱誠;倪子偉;陳珂;蘇旋;鄒權(quán);;基于聚類方法的基分類器選擇策略研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

7 張紅梅;;基于粗糙集特征約簡的SVM集成入侵檢測模型[A];2009中國控制與決策會議論文集（3）[C];2009年

8 程麗麗;張健沛;楊靜;馬駿;;一種提高支持向量機集成差異性的學(xué)習(xí)方法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

9 劉錕;邢延;蔡延光;;一種針對交互式學(xué)習(xí)系統(tǒng)日志數(shù)據(jù)的輕型化挖掘方法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

10 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];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 本報記者 張曄;人腦比電腦更重要[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 李艷秋;基于集成學(xué)習(xí)的人臉識別研究[D];合肥工業(yè)大學(xué);2018年

2 趙鶴;面向高維大數(shù)據(jù)的子空間集成學(xué)習(xí)方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院);2017年

3 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

4 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

5 孫永宣;集成學(xué)習(xí)下的圖像分析關(guān)鍵問題研究[D];合肥工業(yè)大學(xué);2013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 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

8 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

9 鈕冰;基于集成學(xué)習(xí)算法的若干生物信息學(xué)問題研究[D];上海大學(xué);2009年

10 程麗麗;支持向量機集成學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 朱俊;選擇性集成學(xué)習(xí)及其應(yīng)用研究[D];華東交通大學(xué);2016年

2 鄭麗容;基于聚類和動態(tài)更新的啟發(fā)式選擇性集成學(xué)習(xí)算法[D];廈門大學(xué);2017年

3 雍振煌;基于評論極性與集成學(xué)習(xí)的微博謠言檢測研究[D];武漢理工大學(xué);2018年

4 王宏杰;基于聚類集成的半監(jiān)督分類算法研究[D];西南石油大學(xué);2018年

5 常建芳;基于集成學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的太陽能輻照度預(yù)測方法[D];天津大學(xué);2018年

6 邸研哲;基于相似性方法的藥物—疾病相互作用關(guān)系預(yù)測[D];安徽大學(xué);2019年

7 陳檢;小波變換—集成學(xué)習(xí)算法的組合預(yù)測模型應(yīng)用研究[D];山東財經(jīng)大學(xué);2019年

8 位云朋;基于多模態(tài)進化計算的集成學(xué)習(xí)器研究與應(yīng)用[D];鄭州大學(xué);2019年

9 李輝華;基于集成學(xué)習(xí)的出租車預(yù)計到達時間預(yù)測[D];廈門大學(xué);2018年

10 葉明;基于集成學(xué)習(xí)的疾病輔助診斷關(guān)鍵技術(shù)研究與實現(xiàn)[D];鄭州大學(xué);2019年

本文編號：2654230