基于下采样的局部判别矩阵型分类的心衰死亡率预测

• 作者: 李冬冬 王喆 阮彤 陈钊志 高炬
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 分类器 心衰死亡率预测 医疗辅助系统
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 156-162
• 页数: 7页
• 分类号: TP391
• 字数: 6237字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20171217001

摘要

不平衡分类问题的特征是样本集中每类样本个数相差较大,导致分类结果偏向多数类样本,少数类样本被忽视.而在不平衡分类问题中,少数类样本需要更多的关注.本文基于上海曙光医院提供的心衰医疗数据,提出了一个针对心衰病人死亡率预测的框架,为心衰的辅助治疗和诊断提供有效的信息.心衰医疗病例属于典型的不平衡分类问题,心衰病人在总的病人数量中只占少数,在检查中,应尽可能重点关注心衰病例.本文提出的框架采用下采样方法调整样本的比例,使类与类之间的规模平衡;使用主成分分析方法对高维数据进行特征选择;并在采样后的数据集上训练局部敏感判别矩阵型分类器,提高局部样本的关注度以获得更好的分类性能.实验结果表明,该框架能对心衰医疗数据提供较好的预测结果,与同类算法比较,表现出了更好的性能,是一个有效且实用的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王喆	华东理工大学信息科学与工程学院	18	41	4.0	6.0
3	阮彤	华东理工大学信息科学与工程学院	37	200	7.0	12.0
4	李冬冬	华东理工大学信息科学与工程学院	7	5	1.0	1.0
7	高炬		3	10	1.0	3.0
8	陈钊志	华东理工大学信息科学与工程学院	1	0	0.0	0.0