基于决策树的肝病诊断技术研究

发布时间：2023-08-06 19:36

　　肝病是指发生在肝脏的病变,是一种常见的危害性极大的疾病。一直以来肝病的诊断方法都受到学者们的广泛关注,随着大数据技的发展,数据挖掘技术在医疗诊断领域中的应用不断增多,基于数据挖掘技术的肝病诊断系统研究也成为了近年来热门的研究课题之一。本文以构建肝病诊断模型为目标,探讨在构建过程中遇到的数据不平衡问题,“维数灾难”问题和模型建模方法选择。首先,在解决数据不平衡问题时针对Borderline-SMOTE算法的缺陷提出一种新的算法BN-SMOTE;然后,在解决维数灾难问题时针对单准则过滤式特征算法无法全面评价特征子集优劣的问题提出一种新的多准则融合的特征选择算法MFMSC;最后,基于决策树算法建立肝病诊断模型。具体工作如下:(1)针对经典的Borderline-SMOTE算法在生成新样本时,会漏选处于决策边界的重要少数类样本点导致模型分类准确率下降的问题,提出一种新的算法BN-SMOTE。该算法首先在多数类样本集中计算少数类样本集的最近邻,得到一个处于决策边界的新多数类样本集,然后在少数类样本集中取该新多数类样本集的最近邻,找到处于决策边界的少数类样本集,解决了Borderline-SMOT...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
    1.3 研究内容及论文结构
        1.3.1 研究内容
        1.3.2 论文结构
第二章 相关技术概述
    2.1 不平衡数据处理
        2.1.1 欠采样方法
        2.1.2 过采样方法
    2.2 特征选择
        2.2.1 特征选择的定义
        2.2.2 特征选择的基本流程
        2.2.3 基于评价准则的特征选择算法
    2.3 数据挖掘相关算法概述
        2.3.1 决策树算法
        2.3.2 支持向量机
第三章 一种改进的不平衡数据过采样算法BN-SMOTE
    3.1 Borderline-SMOTE算法简介
        3.1.1 Borderline-SMOTE算法
        3.1.2 Borderline-SMOTE算法的缺陷
    3.2 一种新的过采样算法BN-SMOTE
        3.2.1 算法流程
        3.2.2 集合的构建示例
    3.3 实验与分析
        3.3.1 数据集描述
        3.3.2 评价指标
        3.3.3 实验环境和相关参数设置
        3.3.4 实验结果对比与分析
    3.4 本章小结
第四章 基于多样性度量的多准则融合特征选择算法MFMSC
    4.1 .互信息、卡方检验和Relief-F评价方法简介
        4.1.1 互信息方法
        4.1.2 卡方检验方法
        4.1.3 Relief-F方法
    4.2 MFMSC特征选择算法
        4.2.1 融合权重的选定
        4.2.2 算法流程
    4.3 实验与分析
        4.3.1 实验环境和数据集描述
        4.3.2 实验设计
        4.3.3 实验结果与分析
    4.4 本章小结
第五章 基于决策风险代价的肝病诊断决策树模型
    5.1 误判代价和决策风险代价矩阵
    5.2 一种基于决策风险代价矩阵的决策树算法DRM-C4.
        5.2.1 误判代价加权信息增益率
        5.2.2 算法流程
    5.3 实验结果与分析
        5.3.1 数据集描述
        5.3.2 数据预处理
        5.3.3 决策风险代价矩阵的确定
        5.3.4 肝病诊断模型的性能分析
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 研究展望
参考文献
致谢
硕士期间研究成果



本文编号：3839929