基于极值随机森林的慢性胃炎中医问诊证候分类研究
本文关键词:基于极值随机森林的慢性胃炎中医问诊证候分类研究 出处:《华东理工大学》2017年硕士论文 论文类型:学位论文
更多相关文章: 极值随机森林 决策树 互信息 重要性 多标记
【摘要】:决策树是机器学习中应用最广泛的算法之一,是图模型与概率决策表相结合的概率图模型。它用直观易懂的图形方式来表示观测变量与类别之间的联系,进行系统的量化计算和不确定性推理。本文利用极值随机森林算法对慢性胃炎中医问诊数据分类做了如下工作:1.提出通过极值随机森林算法建立慢性胃炎中医辨证分类模型,其决策树的叶节点能输出多个类别,取得了不错的分类效。通过与经典的多标记和基于树的算法比较来验证算法的有效性能后发现,算法的平均准确率能达到83.8%,分类性能优于多数现有的多标记分类器。将分类模型与中医辨证理论和临床经验对比发现,极值随机森林算法很好地描述了决策树中症状到证型的决策关系,其模型具有良好的可解释性。2.利用极值随机森林算法探究症状与症状之间,症状与证型之间的相互联系。通过变量重要性的计算和证型之间互信息的大小,用集合图的方式分别表示出各证型症状的分布情况,并与中医辨证理论以及慢性胃炎实证和虚症的诊断标准进行分析进行了对比分析,其结果基本符合中医辨证理论,且与临床实践相吻合。
【学位授予单位】:华东理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:R259;TP181
【相似文献】
相关期刊论文 前10条
1 钱维;王超;吴骋;许金芳;叶小飞;杜文民;贺佳;;运用随机森林分析药品不良反应发生的影响因素[J];中国卫生统计;2013年02期
2 武晓岩;李康;;随机森林方法在基因表达数据分析中的应用及研究进展[J];中国卫生统计;2009年04期
3 李贞子;张涛;武晓岩;李康;;随机森林回归分析及在代谢调控关系研究中的应用[J];中国卫生统计;2012年02期
4 刘永春;宋弘;;基于随机森林的乳腺肿瘤诊断研究[J];电视技术;2014年15期
5 聂斌;王卓;杜建强;朱明峰;林剑鸣;艾国平;熊玲珠;;基于粗糙集和随机森林算法辅助糖尿病并发症分类研究[J];江西师范大学学报(自然科学版);2014年03期
6 武晓岩;李康;;基因表达数据判别分析的随机森林方法[J];中国卫生统计;2006年06期
7 武晓岩;闫晓光;李康;;基因表达数据的随机森林逐步判别分析方法[J];中国卫生统计;2007年02期
8 马广立;赵筱萍;程翼宇;;基于随机森林与Chemistry Development Kit描述符的P-gp底物识别[J];高等学校化学学报;2007年10期
9 苑婕;李晓杰;陈超;宋向岗;王淑美;;基于随机森林算法的川芎成分-靶点-疾病网络的预测研究[J];中国中药杂志;2014年12期
10 ;[J];;年期
相关会议论文 前7条
1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年
3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年
7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
相关博士学位论文 前5条
1 张乾;基于随机森林的视觉数据分类关键技术研究[D];华南理工大学;2016年
2 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年
3 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
4 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年
5 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
相关硕士学位论文 前10条
1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年
2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年
3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年
4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年
5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年
6 朱玟谦;一种收敛性随机森林在人脸检测中的应用研究[D];武汉理工大学;2015年
7 肖宇;基于序列图像的手势检测与识别算法研究[D];电子科技大学;2014年
8 李慧;一种改进的随机森林并行分类方法在运营商大数据的应用[D];电子科技大学;2015年
9 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年
10 黎成;基于随机森林和ReliefF的致病SNP识别方法[D];西安电子科技大学;2014年
,本文编号:1336609
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/1336609.html