一种基于旋转森林的甲状腺疾病分类方法

摘要：

甲状腺疾病是内分泌领域的常见疾病,准确识别不同类型的甲状腺疾病是临床医疗诊断中的首要问题.针对甲状腺检测指标数据,提出一种新的甲状腺疾病分类方法,该方法首先采用主成分分析法对数据集进行特征选择,降低数据维度,然后基于旋转森林集成分类算法实现分类.旋转森林算法使基分类器的差异性更加明显,进而提高分类器的精度,同时可以减少处理时间.实验中,同时分析了UCI标准数据集和真实临床医疗数据集,结果表明该方法的分类准确率分别可以达到96.28%和96.37%.

关键词：甲状腺疾病、集成分类、旋转森林、特征选择、主成分分析

分类号：TP391(计算技术、计算机技术)

资助基金：上海市自然科学基金资助项目15ZR1400900;上海市科委科技创新行动计划项目13511504905

在线出版日期：2016-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：11-15