摘要:甲状腺释放甲状腺激素以调节人体的新陈代谢速率,甲状腺激素过多或过少分别会引起甲亢或甲减,都属于甲状腺疾病.在实际医疗数据中,甲状腺疾病数据属于典型的不均衡数据.传统的分类方法往往忽略了不均衡数据存在的异构现象(不均衡程度,特征维度,类别数目在不同数据集中各不相同).针对甲状腺疾病数据的类分布不均衡现象以及异构现象,本文提出一种自适应多分类器系统(adaptive multiple classi6er system,AMCS),构造多分类器集成系统,自适应地对异构不均衡甲状腺疾病数据进行分类来辅助甲状腺疾病的诊断.AMCS系统包括特征选择,集成框架,基分类器以及集成规则四个组成部分,每一组成部分由不同的算法组成候选池,根据不同数据存在的异构现象,自适应地为异构数据选择最优集成算法.本文采用KEEL和UCI提供的10组异构甲状腺疾病数据进行实验,验证了本文所提出的方法在辅助甲状腺疾病诊断的有效性.
关键词:不均衡分类 多分类器系统 自适应学习 甲状腺疾病诊断
单位:中国地质大学武汉经济管理学院; 武汉430074; 中国地质大学武汉数字化商务管理研究中心; 武汉430074; 中国地质大学(武汉)中国矿产资源战略与政策研究中心; 武汉430074; 国土资源部国土资源战略研究重点实验室; 武汉430074
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社