[發(fā)明專利]一種基于決策樹和改進(jìn)SMOTE算法的哮喘病診斷系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110302072.1
• 申請日: 2021-03-22
• 公開（公告）號: CN112951413B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 劉志鋒;馬芽;崔玉寶;陳文;夏莉敏;周從華
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06F18/23213
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于決策樹和改進(jìn)SMOTE算法的哮喘病診斷系統(tǒng)，其特征在于，包括數(shù)據(jù)采集與處理模塊、過采樣處理模塊、決策樹訓(xùn)練模塊、檢測模塊和診斷應(yīng)用模塊；所述數(shù)據(jù)采集與處理模塊用于采集血常規(guī)體檢數(shù)據(jù)，并對采集的數(shù)據(jù)進(jìn)行缺失值清洗、填充缺失值內(nèi)容或重新取數(shù)、刪除內(nèi)容不符合數(shù)據(jù)、去除重復(fù)值或不合理值，保證數(shù)據(jù)之間的正確關(guān)聯(lián)性處理；離散數(shù)據(jù)進(jìn)行One-Hot編碼處理；將預(yù)處理后的數(shù)據(jù)輸入過采樣處理模塊；所述過采樣處理模塊用于對輸入的數(shù)據(jù)進(jìn)行處理，將PSO與SMOTE優(yōu)化算法處理平衡后的數(shù)據(jù)分為訓(xùn)練樣本集和驗(yàn)證樣本集兩組；所述決策樹訓(xùn)練模塊采用CART回歸樹算法搭建哮喘病診斷模型，使用MEP后剪枝算法計(jì)算誤差并進(jìn)行剪枝，避免欠擬合風(fēng)險(xiǎn)；再利用訓(xùn)練樣本集進(jìn)行哮喘病診斷訓(xùn)練；所述檢測模塊用于加載訓(xùn)練好的哮喘病診斷模型，利用驗(yàn)證樣本集對訓(xùn)練好的哮喘病診斷模型進(jìn)行驗(yàn)證；所述診斷應(yīng)用模塊利用訓(xùn)練好的哮喘疾病診斷模型作為最終應(yīng)用模型，用于哮喘病的輔助診斷；

所述過采樣處理模塊包括以下步驟：

S2.1：采用K-means聚類算法對少數(shù)類樣本進(jìn)行聚類，形成固定K個(gè)簇并記錄下每一個(gè)簇心：

其中x_i代表數(shù)據(jù)集中第i個(gè)數(shù)據(jù)樣本，ω_j表示第j個(gè)聚類簇；z_j表示第j個(gè)聚類簇的簇心；

S2.2：在少數(shù)類樣本與其最臨近n個(gè)樣本中選取m個(gè)采樣點(diǎn)，采樣率使用PSO粒子群算法進(jìn)行優(yōu)化：

其中，b1和b2為加速常數(shù)，前者為每個(gè)粒子的個(gè)體的個(gè)體學(xué)習(xí)因子，后者為每個(gè)粒子的社會學(xué)習(xí)因子，w代表慣性因子，其值為非負(fù)，i表示第i個(gè)粒子，d表示粒子的第d個(gè)維度，v代表的是速度，x代表位置；r1，r2表示兩位位于[0,1]的隨機(jī)數(shù)，pbest[i]是指粒子取得最高或最低適應(yīng)度的位置，gbest[i]是指整個(gè)系統(tǒng)取得最高或最低適應(yīng)度時(shí)的位置；

S2.3：選擇好原始點(diǎn)和采樣率之后，生成新的少數(shù)類樣本：

X_new＝X+rand(0,1)*(M_i-X),i＝1,2,,,,N

其中，X_new為新插入樣本；X為選擇的原始樣本數(shù)據(jù)；rand(0,1)表示0與1之間的某一個(gè)隨機(jī)數(shù)；M_i為原始樣本數(shù)據(jù)X的最臨近中通過PSO優(yōu)化后的最佳采樣點(diǎn)；

S2.4：如果在樣本新樣本位置中，少數(shù)類樣本與多數(shù)類樣本的比例小于1/2，則保留樣本，否則重新插值生成新樣本；

S2.5：當(dāng)少數(shù)類樣本個(gè)數(shù)與多數(shù)類樣本個(gè)數(shù)達(dá)到平衡，結(jié)束循環(huán)，否則繼續(xù)生成新樣本。

2.如權(quán)利要求1所述的基于決策樹和改進(jìn)SMOTE算法的哮喘病診斷系統(tǒng)，其特征在于，所述數(shù)據(jù)采集與處理模塊包括數(shù)據(jù)采集和數(shù)據(jù)清洗，具體包括以下內(nèi)容：數(shù)據(jù)采集：獲取血常規(guī)數(shù)據(jù)；

缺失值清洗：確定缺失值范圍，對每個(gè)字段計(jì)算缺失值比例，按照缺失值比例和字段重要性，采用以下的方式清洗：去除不需要字段、無意義的字段；填充缺失值的內(nèi)容或重新取數(shù)；

格式內(nèi)容清洗：時(shí)間日期數(shù)值顯示格式、內(nèi)容中不該存在的字符、字段內(nèi)容與該字段應(yīng)有內(nèi)容不符；

邏輯錯(cuò)誤清洗：包括去重、去除不合理值、修正矛盾內(nèi)容；

非需求數(shù)據(jù)清洗：對不需要的字段進(jìn)行刪除處理；

關(guān)聯(lián)性驗(yàn)證：在數(shù)據(jù)來源于多張表或數(shù)據(jù)庫的情況下，保證數(shù)據(jù)之間關(guān)聯(lián)的正確性，防止數(shù)據(jù)之間出現(xiàn)關(guān)聯(lián)錯(cuò)誤或是互相矛盾的情況。