中医临床疾病数据多标记分类方法研究

• 作者: 张林 张磊 李国正 潘主强 颜仕星
• 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
• 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

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.

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