非均衡醫(yī)學(xué)數(shù)據(jù)的特征選擇與分類(lèi).pdf

1、對(duì)于非均衡醫(yī)學(xué)數(shù)據(jù)的分類(lèi)問(wèn)題，由于各類(lèi)別所含樣本的數(shù)目相差懸殊，導(dǎo)致少數(shù)類(lèi)樣本被誤分類(lèi)的比例遠(yuǎn)大于多數(shù)類(lèi)，因而傳統(tǒng)的分類(lèi)算法所建立的模型一般無(wú)法滿足分類(lèi)性能的要求。從數(shù)據(jù)維度和特征屬性的角度，高維連續(xù)非均衡數(shù)據(jù)包含大量無(wú)關(guān)和冗余特征，易導(dǎo)致維度災(zāi)難及過(guò)擬合，降低學(xué)習(xí)算法性能;某些低維離散非均衡數(shù)據(jù)則存在特征與類(lèi)別相關(guān)性不強(qiáng)及特征稀疏程度較大等問(wèn)題。本論文采用特征選擇方法解決非均衡醫(yī)學(xué)數(shù)據(jù)的分類(lèi)問(wèn)題，在保證模型預(yù)測(cè)性能的前提下，找出與非均

2、衡數(shù)據(jù)分類(lèi)最相關(guān)且冗余度最小的特征子集，本文的主要研究?jī)?nèi)容如下:
　　1.對(duì)于高維連續(xù)非均衡的基因表達(dá)數(shù)據(jù)，提出了一種基于改進(jìn)ReliefF和支持向量機(jī)遞歸特征消除算法（SVM-RFE）的非均衡特征選擇方法。首先使用改進(jìn)ReliefF算法剔除無(wú)關(guān)特征，篩選有利于預(yù)測(cè)少數(shù)類(lèi)的特征;再使用SVM-RFE進(jìn)一步搜索最優(yōu)特征子集，并建立分類(lèi)預(yù)測(cè)模型;最后，利用Kent Ridge生物醫(yī)學(xué)數(shù)據(jù)集，與All-SVM、ReliefF-SVM、R

3、eliefF_M-SVM及SVM-RFE模型進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性。
　　2.對(duì)于高維連續(xù)非均衡的基因表達(dá)數(shù)據(jù)，提出了一種基于多目標(biāo)優(yōu)化的非均衡特征選擇方法。首先，以SVM作為分類(lèi)模型，使用改進(jìn)ReliefF做特征初選;再將特征選擇描述成一個(gè)多目標(biāo)優(yōu)化(MOP)問(wèn)題，利用帶精英策略的快速非支配排序遺傳算法(NSGA-Ⅱ)，同時(shí)優(yōu)化模型預(yù)測(cè)性能和特征子集規(guī)模，得到一系列Pareto最優(yōu)特征子集;最后，利用Kent

4、Ridge數(shù)據(jù)集，與ReliefF_M-All-SVM和ReliefF_M+SVM-RFE模型進(jìn)行對(duì)比，結(jié)果表明了所提方法的有效性和可靠性。
　　3.對(duì)于頸動(dòng)脈內(nèi)膜剝脫術(shù)(CEA)術(shù)后腦過(guò)度灌注綜合征(CHS)數(shù)據(jù)集，由于數(shù)據(jù)嚴(yán)重非均衡及特征稀疏程度較大，以上方法難以將少數(shù)類(lèi)識(shí)別出來(lái)。針對(duì)此類(lèi)問(wèn)題，本文提出利用卡方統(tǒng)計(jì)進(jìn)行特征選擇，之后在算法層面采用異常檢測(cè)和代價(jià)敏感方法，在數(shù)據(jù)層面采用重采樣技術(shù)和集成技術(shù)，進(jìn)而分別建立非均衡分類(lèi)