基于关联性的动态分类模型——以皮肤与体质为例
针对人体面部皮肤状态指标与中医体质类型之间的关联性进行科学、定量研究,从测试数据持续累积与知识发现深入推进的过程视角,尝试揭示人体内在中医体质与外观皮肤状态指标间的复杂动态演化规律.综合小样本条件下决策树的良好归纳特性及大样本条件下贝叶斯算法分类准确率高的优势.提出基于建模数据量会不断增多的趋势,构建可自适应修订决策树和模糊朴素贝叶斯融合分类算法的权重,以适用于测试数据从小到大积累过程中分类模型均具有较好分类特性及可解释性的应用要求.其中决策树采用最佳后剪枝方式,避免了常规决策树存在的过拟合弊端;朴素贝叶斯算法则通过定义指标归属区间的模糊隶属度来解决皮肤属性测试与分类中存在的随机性与模糊性.实证结果表明本文提出的分类模型的融合权重可动态调整且随着建模数据的增多分类精度会相应提高.目前对应151个建模数据的分类模型的分类准确率为86.7％,高于独立决策树、朴素贝叶斯的83.3％和80％,亦高于对照组80个建模数据对应分类准确率的76.7％.分析可得:此皮肤与体质动态分类模型通过有效利用参与建模的数据信息,能识别出人体面部外观皮肤状态指标与内在中医体质之间的复杂关联性,建立的分类模型具有较好的精度与可解释性,为基于数据驱动的中医理论的科学化、智能化发展进行了有益的探索.
关联性、信息融合、决策树、模糊朴素贝叶斯
49
TP391(计算技术、计算机技术)
北京市教育委员会科技发展计划重点项目KZ201510011011;北京工商大学促进人才培养综合改革项目19005428069/007;北京工商大学研究生创新基金
2017-07-05（万方平台首次上网日期，不代表论文的发表时间）
共7页
137-143
