基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于信息增益的中医体质多标记分类方法研究
中医体质分类
信息增益
多标记分类
中医临床数据疾病分类机器学习方法研究
不均衡数据
混合模型
多标记学习
特征选择
一种基于图的层次多标记文本分类方法
文本分类
层次分类
多标记分类
有向无圈图
拓扑排序
中医临床不均衡数据疾病分类方法研究
中医临床
不均衡数据分类
原始数据分布
特征选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 中医临床疾病数据多标记分类方法研究
来源期刊 计算机科学与探索 学科 工学
关键词 中医临床数据 多标记学习 粒计算 权重
年,卷(期) 2018,(8) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 1295-1304
页数 10页 分类号 TP391
字数 8277字 语种 中文
DOI 10.3778/j.issn.1673-9418.1705035
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张林 西南石油大学计算机科学学院 40 266 9.0 15.0
2 张磊 中国中医科学院中医临床基础医学研究所 78 527 13.0 20.0
3 潘主强 西南石油大学计算机科学学院 4 14 3.0 3.0
4 李国正 中国中医科学院中医药数据中心 8 28 3.0 5.0
5 颜仕星 4 14 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (51)
参考文献  (14)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2014(4)
  • 参考文献(3)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
中医临床数据
多标记学习
粒计算
权重
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导