基于均衡分类的脑卒中风险预测模型

摘要：

为解决不均衡脑卒中数据分类偏倚问题,提出一种基于均衡分类的脑卒中风险预测模型,其主要算法是基于不均衡数据的分类算法SMOTE&PAM-means+ C4.5.使用智能型过抽样技术SMOTE生成新的少数类数据;使用聚类算法PAM-means对多数类数据进行聚类,将相似样本聚到一簇后,对各簇按比例进行抽样,形成新的多数类数据;使用C4.5算法对新的多数类和少数类数据形成的均衡数据集进行分类.实验结果表明,该模型可以有效解决分类结果偏倚问题,降低少数类数据分类误差,提高分类准确度,为脑卒中风险的准确预测提供依据.

关键词：C4.5算法、SMOTE算法、K-means聚类算法、PAM算法、不均衡数据、偏倚问题、脑卒中

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金："十二五"国家科技支撑计划基金项目2012BAJ18B07-05;北京市人才培养模式创新试验区基金项目京教函[2009] 630号;北京市教委科技面上基金项目KM201511232012

在线出版日期：2015-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2508-2513