主動學習算法及其在心血管疾病診斷中的應用研究.pdf

1、醫(yī)療機構每天都會有海量的未標記的樣本數據產生，醫(yī)學診斷如果只使用那些有標記的樣本，訓練出的輔助診斷系統(tǒng)往往很難具有較強的泛化能力，同時造成大量未標記樣本的浪費。為此，研究將主動學習算法應用于醫(yī)學輔助診斷中，希望選擇最有利于提高診斷性能的未標記樣本或屬性進行類別標記或屬性填充，從而從整體上減少所要標記的樣本數量。在實際應用中，當前的主動學習算法還存在如下不足和值得改進的地方：⑴目前的主動學習算法要么基于最近邊界的方法來選取不確定性樣本，要

2、么基于最遠邊界的方法來選取確定性樣本，或者二者結合。因沒有考慮樣本數據集的結構分布，所以容易陷入局部最優(yōu)；⑵針對屬性缺失的主動特征學習以單一的誤分類代價最低為目標，不符合現實中存在的多種代價的實際情況（如查詢代價）；⑶主動學習算法在不平衡數據問題方面研究僅僅采用選擇決策邊界附近的相同數量的少數類和多數類樣本，這樣分類器所能分析的樣本數量就會更少。
　　 本文研究了基于層次化聚類的探索數據集結構分布的策略，并采用兼顧探索和發(fā)掘的平

3、衡策略，給出了一種對數據樣本決策邊界自動定位的新方法。考慮到現實生活中存在的多代價情況，針對屬性缺失數據的主動特征學習，給出了一種兼顧誤分類代價和查詢代價的學習方法。該學習方法以適合增量采樣的基于最大期望改變的預測誤差算法為基礎，引入了特征不確定性度量，以追求訓練所得的分類器分類精度和綜合代價均為最優(yōu)。另外，為了避免引入過多的無用的新特征，使用適合處理屬性缺失值的屬性相關性度量方法進行屬性選擇。在處理類間不平衡問題時，概念復雜度、訓練樣

4、本規(guī)模會影響分類器的準確率。因此，采用隨機子空間算法來降低概念復雜度，利用主動學習采樣和添加人工數據樣本來提高訓練樣本集的規(guī)模，并通過對少數類的誤分類賦予較高的權值來引導算法對少數類的關注。采用主動學習算法針對心血管疾病進行致病因素分析和診斷，并用湖北省疾病控制預防中心的真實的高血壓疾病數據進行了實驗。同時也針對公共數據集UCI中的醫(yī)學數據進行了分析和診斷。實驗結果表明，基于層次化聚類的主動學習算法具有快速、準確確定樣本決策邊界位置的能