中医临床疾病数据多标记分类方法研究

摘要：

WML-kNN(weighted multi-label k nearest neighbor)算法中近邻点个数取固定值,而没有考虑样本数据的实际特点,可能会将相似度高的点排除在近邻集外,或者将相似度低的点包含在近邻集内,这些都会影响分类器的性能.而中医(traditional Chinese medicine,TCM)临床获得的关于疾病的数据很可能是多标记的,同时由于病例的特殊性,每个病例可能具有不同的相似近邻集.因此,对WML-kNN算法进行了改进,提出WML-GkNN(WML-granular kNN)算法.该算法通过粒计算对粒度空间进行控制,从而确定近邻点集,使得邻域内的样本点有高相似性.在中医临床采集的经络电阻数据上的实验结果显示,WML-GkNN算法提高了分类性能.

关键词：中医临床数据、多标记学习、粒计算、权重

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 81503680;the Basic Scientific Research Business Special Funds of Central Level Public Welfare Scientific Research Institutes under Grant No. ZZ0908032;the Informatization Project of National Health Insurance in Area of Traditional Chinese Medi-cine under Grant No. 215005

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1295-1304