一种可用于鉴别肝癌呼气信号的改进AdaBoost算法

摘要：

提出一种改进的AdaBoost强化学习算法,并将其应用于鉴别健康者和肝癌患者的呼气信号.首先采集志愿者(包括健康对照组和肝癌患者)的呼气信号,利用Relief算法提取其主要特征;接着融合Stacking 模型,基于传统的机器学习算法训练得到若干基分类器组,构建一个个子分类器.为减少训练样本对分类器性能的影响,利用K折交叉,先后得到k个基分类器,形成一个基分类器组;进一步,由投票法得到该基分类器组,即子分类器对测试集的预测结果;然后根据各子分类器对训练集的预测错误率调整训练样本,并获得各子分类器的权重系数;最后将多个子分类器的预测结果进行加权组合,得到最终预测结果.实验结果表明,相比传统的AdaBoost算法,改进的AdaBoost算法在鉴别肝癌呼气和健康对照组呼气时,错误率明显下降,鲁棒性有所提升.该算法在鉴别肝癌呼气时,准确率可以达到90%左右,特异性和精确度也均超过95%.因此,改进的AdaBoost算法可有效提升肝癌呼气鉴别精度,对通过呼气鉴别肝癌、实现早期诊断的研究具有重要意义.

关键词：呼气检测、肝癌鉴别、AdaBoost算法、Stacking模型、基分类器组、Relief算法

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划;上海市分子影像学重点实验室建设项目

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：860-872