基于集成学习与规则提取的多标记学习方法在高血压证素辩证中的研究
本文关键词：基于集成学习与规则提取的多标记学习方法在高血压证素辩证中的研究 出处：《深圳大学》2017年硕士论文 论文类型：学位论文
更多相关文章： 高血压证素辩证 多标记学习 集成学习 不平衡问题 规则提取
【摘要】：高血压疾病是引起心血管疾病的重要原因之一,中国高血压患病率正呈现上升趋势。随着中医高血压数据的增长,对中医高血压证素辩证进行研究将是一个具有前景的方向。中医对高血压治疗是基于辩证的手段进行的,只有先经过辩证得到具体的证名才会有相应的治疗手段。辩证是一个首先通过分析证候信息,推断出证素信息,最后合成证名的过程。传统中医师进行辩证主要依赖于对前人经验的学习以及个人经验。随着中医高血压临床数据的剧增,这种方式不再适合于发现中医高血压辩证新的知识。本文将应用数据挖掘技术研究中医高血压证素辩证,即研究分析证候信息,得到证素信息的过程。为了发现高血压证素辩证中证候与证素之间的关系,本文运用了多标记集成学习方法、不平衡处理策略与规则提取等技术。本文的主要工作如下:首先,本文针对高血压证素辩证中一个样本存在多个证候和多个证素的特征,将多标记学习方法应用于中医高血压证素辩证,本文还对高血压证素辩证数据进行了统计,发现了其中一些证素存在着类别不平衡的问题。接着,结合多标记学习方法和集成学习方法的优势,比较不同多标记集成学习方法在高血压证素辩证中的优势,探索出一种具有较高性能的中医高血压证素辩证的分类模型。在这个过程中,结合部分证素存在着类别不平衡的问题,提出了一种基于标记相关性的欠采样算法,改善了高血压证素辩证过程中证素类别不平衡的问题。最后,本文利用随机森林规则提取构建了一个可解释性与准确性相结合的模型,用于指导高血压证素辩证。随机森林中每棵决策树从根结点节点到叶子节点的路径可以认为是一条规则,本文通过对高血压证素数据集进行训练得到随机森林分类器,采用爬山法对随机森林中的决策树进行抽取,之后使用随机重启爬山法搜索随机森林中的最优规则子集,从而获得一个可解释性与准确率相结合的模型,用于发现高血压证素辩证中的规则。本文研究高血压证素辩证从分类性能与可解释性两个角度出发,分别提出了两种高血压证素辩证模型,能够为中医高血压的诊断带来辅助决策,同时还能发现高血压证素辩证中的规则,为中医的信息化、客观化与现代化做出贡献。
[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 .
【学位授予单位】：深圳大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R259;TP181
【相似文献】
相关会议论文 前4条
1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年
2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
相关博士学位论文 前10条
1 阿里木·赛买提(Alim.Samat);基于集成学习的全极化SAR图像分类研究[D];南京大学;2015年
2 王永明;集成回归问题若干关键技术研究[D];华东师范大学;2015年
3 常征;基于混合集成学习的眼部与四肢交互动作建模与识别[D];北京科技大学;2016年
4 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
5 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
6 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年
7 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
8 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年
9 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年
10 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年
相关硕士学位论文 前10条
1 高伟;基于半监督集成学习的情感分类方法研究[D];苏州大学;2015年
2 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年
3 汤莹;迁移与集成学习在文本分类中的应用研究[D];江苏科技大学;2015年
4 刘政;基于知识元和集成学习的中文微博情感分析[D];大连理工大学;2015年
5 丘桥云;结合文本倾向性分析的股评可信度计算研究[D];哈尔滨工业大学;2014年
6 秦海;融合非标记样本选择的集成学习研究[D];湘潭大学;2015年
7 李想;基于多示例的集成学习理论与应用研究[D];合肥工业大学;2014年
8 李震宇;基于集成学习的数字图像隐写定量分析[D];解放军信息工程大学;2014年
9 王希玲;基于选择性集成学习的网络入侵检测方法研究[D];青岛科技大学;2016年
10 陈范曙;基于信息整合的药物相关信息挖掘方法研究[D];华东师范大学;2016年
，本文编号：1433486
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1433486.html
