決策樹分類技術在疾病輔助診斷系統(tǒng)中的研究與應用.pdf

1、目前，醫(yī)生對疾病的診斷還處于傳統(tǒng)的經驗階段，診斷結果的正誤與醫(yī)生的水平密切相關，特別是對于那些難以診斷的復雜病例，人們往往求助于醫(yī)療專家。但是專家的數量畢竟是有限的，尤其是對一些中小型醫(yī)院來說，尚不具備在各個門診處設立專家的條件，致使疑難病癥的誤診率較高。因此利用先進的計算機知識結合醫(yī)療信息數據庫，開發(fā)輔助診斷系統(tǒng)，已成為一個重要的發(fā)展方向。 本文在研究數據挖掘中的決策樹技術的基礎上，引入了Boosting集成和改進主成分分析特

2、征選擇技術，充分考慮了診斷結果的可理解性，診斷模型的泛化能力、穩(wěn)定性和準確度，提出了基于改進PCR特征選擇和C4.5Boosting集成技術的AD-BC4.5-PCAFS輔助診斷算法。該方法主要分為三個階段：第一階段是采用PCAFS進行特征選擇，從而簡化分類器的建立，降低冗余屬性對分類器的影響：第二階段是采用基于C4.5的Boosting集成技術建立多個分類模型；第三階段是根據所訓練出的模型對新樣本的類別進行加權投票表決。本文的實驗是在