[發明專利]一種用于冠心病數據的核極限學習機及隨機森林分類方法

有效

• 申請號: 201711399080.2
• 申請日: 2017-12-22
• 公開（公告）號: CN108108762B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 王丹;石智強;杜金蓮;付利華;趙文兵;杜曉林;蘇航
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G06N20/00;G16H50/20;G16H50/70
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種用于冠心病數據的核極限學習機及隨機森林分類方法，其特征在于，包括以下步驟：

步驟1.采用Bootstrap法從N個冠心病數據樣本中有放回地隨機抽取N個樣本并從F個特征中隨機選取f個特征組成新的樣本集，fF；

步驟2.核極限學習機模型訓練，采用徑向基核函數與多項式核函數加權得到混合核函數作為極限學習機的核函數；

步驟3.使用冠心病數據訓練子集訓練得到混合核極限學習機模型之后，使用測試子集測試每個基分類器的分類性能并排序，剔除分類性能最差的基分類器；再結合粒子群優化算法優化核參數、正則化系數、混合核權重得到優化的新基分類器代替被刪除的基分類器；再次使用測試集對新基分類器進行性能測試，遍歷其他基分類器依次與新基分類器的分類性能進行比較，如果與新基分類器的分類性能差別超過規定閾值，則需要使用粒子群優化算法進行優化；

步驟4.經過數據的抽樣、模型訓練、模型優化之后，得到隨機森林分類模型，使用相對多數投票的組合策略決定冠心病數據樣本最后的分類結果；

對于分類任務來說，基分類器h_i將從類別標記集合{c₁,c₂,...,c_L}中預測出一個標記，將h_i在給定的冠心病數據樣本x上的預測輸出為一個L維向量其中，是h_i在類別標記c_j上的輸出，相對多數投票組合策略的計算公式如下：

即預測為得票最多的標記，若同時有多個標記獲得最高票，則從中隨機選取一個。