主動(dòng)學(xué)習(xí)算法及其在心血管疾病診斷中的應(yīng)用研究.pdf

1、醫(yī)療機(jī)構(gòu)每天都會(huì)有海量的未標(biāo)記的樣本數(shù)據(jù)產(chǎn)生，醫(yī)學(xué)診斷如果只使用那些有標(biāo)記的樣本，訓(xùn)練出的輔助診斷系統(tǒng)往往很難具有較強(qiáng)的泛化能力，同時(shí)造成大量未標(biāo)記樣本的浪費(fèi)。為此，研究將主動(dòng)學(xué)習(xí)算法應(yīng)用于醫(yī)學(xué)輔助診斷中，希望選擇最有利于提高診斷性能的未標(biāo)記樣本或?qū)傩赃M(jìn)行類(lèi)別標(biāo)記或?qū)傩蕴畛?，從而從整體上減少所要標(biāo)記的樣本數(shù)量。在實(shí)際應(yīng)用中，當(dāng)前的主動(dòng)學(xué)習(xí)算法還存在如下不足和值得改進(jìn)的地方：⑴目前的主動(dòng)學(xué)習(xí)算法要么基于最近邊界的方法來(lái)選取不確定性樣本，要

2、么基于最遠(yuǎn)邊界的方法來(lái)選取確定性樣本，或者二者結(jié)合。因沒(méi)有考慮樣本數(shù)據(jù)集的結(jié)構(gòu)分布，所以容易陷入局部最優(yōu)；⑵針對(duì)屬性缺失的主動(dòng)特征學(xué)習(xí)以單一的誤分類(lèi)代價(jià)最低為目標(biāo)，不符合現(xiàn)實(shí)中存在的多種代價(jià)的實(shí)際情況（如查詢(xún)代價(jià)）；⑶主動(dòng)學(xué)習(xí)算法在不平衡數(shù)據(jù)問(wèn)題方面研究?jī)H僅采用選擇決策邊界附近的相同數(shù)量的少數(shù)類(lèi)和多數(shù)類(lèi)樣本，這樣分類(lèi)器所能分析的樣本數(shù)量就會(huì)更少。
　　 本文研究了基于層次化聚類(lèi)的探索數(shù)據(jù)集結(jié)構(gòu)分布的策略，并采用兼顧探索和發(fā)掘的平

3、衡策略，給出了一種對(duì)數(shù)據(jù)樣本決策邊界自動(dòng)定位的新方法。考慮到現(xiàn)實(shí)生活中存在的多代價(jià)情況，針對(duì)屬性缺失數(shù)據(jù)的主動(dòng)特征學(xué)習(xí)，給出了一種兼顧誤分類(lèi)代價(jià)和查詢(xún)代價(jià)的學(xué)習(xí)方法。該學(xué)習(xí)方法以適合增量采樣的基于最大期望改變的預(yù)測(cè)誤差算法為基礎(chǔ)，引入了特征不確定性度量，以追求訓(xùn)練所得的分類(lèi)器分類(lèi)精度和綜合代價(jià)均為最優(yōu)。另外，為了避免引入過(guò)多的無(wú)用的新特征，使用適合處理屬性缺失值的屬性相關(guān)性度量方法進(jìn)行屬性選擇。在處理類(lèi)間不平衡問(wèn)題時(shí)，概念復(fù)雜度、訓(xùn)練樣

4、本規(guī)模會(huì)影響分類(lèi)器的準(zhǔn)確率。因此，采用隨機(jī)子空間算法來(lái)降低概念復(fù)雜度，利用主動(dòng)學(xué)習(xí)采樣和添加人工數(shù)據(jù)樣本來(lái)提高訓(xùn)練樣本集的規(guī)模，并通過(guò)對(duì)少數(shù)類(lèi)的誤分類(lèi)賦予較高的權(quán)值來(lái)引導(dǎo)算法對(duì)少數(shù)類(lèi)的關(guān)注。采用主動(dòng)學(xué)習(xí)算法針對(duì)心血管疾病進(jìn)行致病因素分析和診斷，并用湖北省疾病控制預(yù)防中心的真實(shí)的高血壓疾病數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)。同時(shí)也針對(duì)公共數(shù)據(jù)集UCI中的醫(yī)學(xué)數(shù)據(jù)進(jìn)行了分析和診斷。實(shí)驗(yàn)結(jié)果表明，基于層次化聚類(lèi)的主動(dòng)學(xué)習(xí)算法具有快速、準(zhǔn)確確定樣本決策邊界位置的能