一种改进的字典学习方法在医疗疾病分析中的应用

• 作者: 邬春学 骆冲
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 医疗大数据 字典学习 稀疏表示 疾病分类 加权机制 范式约束
• 年，卷（期）: 2019,（2）
• 页码范围: 47-50,55
• 页数: 5页
• 分类号: TP301.6
• 字数: 4119字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2019.02.010

摘要

针对传统字典学习算法忽略样本与字典原子之间关联信息及有限的训练集容易出现过拟合的现象,文中提出了通过加权机制及二范数约束的方法,建立样本与字典原子之间的权重关系,并对编码系数用二范数进行约束.采用留一交叉验证法在抑郁症数据集上比较了算法的精确度、灵敏度和错误率等指标.实验结果表明,改进的算法在医疗疾病分类中有良好的效果,分类精确度平均提高了21.87％,灵敏度和错误率等方面也有良好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邬春学	上海理工大学光电信息与计算机工程学院	108	416	10.0	15.0
2	骆冲	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0