隨著醫(yī)療信息化技術(shù)的發(fā)展,各大醫(yī)院逐步建立起完備的電子信息系統(tǒng),為醫(yī)療診斷與大數(shù)據(jù)挖掘技術(shù)相融合提供了充分的數(shù)據(jù)支持。其中隨機森林算法因其分類準(zhǔn)確率高的優(yōu)點成為運用最廣泛的挖掘算法之一。然而,醫(yī)學(xué)數(shù)據(jù)因其極不平衡且特征維度高的特點,使得傳統(tǒng)隨機森林算法在醫(yī)療領(lǐng)域的分類性能被嚴(yán)重削弱,同時隨機森林本身需要構(gòu)建多棵決策樹,導(dǎo)致運算時間較長。針對上述問題,本文深入的分析和研究了隨機森林算法在醫(yī)療診斷領(lǐng)域的應(yīng)用,提出了幾點針對性的算法改進(jìn),最后設(shè)計并實現(xiàn)了一套針對敗血癥的醫(yī)療輔助診斷系統(tǒng),主要工作如下:首先,針對醫(yī)療數(shù)據(jù)極不平衡且特征維度高的特點,提出了一種基于特征約簡的隨機森林改進(jìn)算法RW＿RF(Relief F&Wrapper Random Forest)。使用改進(jìn)的Relief F算法將特征按分類能力進(jìn)行區(qū)分,在隨機森林構(gòu)建過程中,分層抽取特征并遞歸地訓(xùn)練決策樹,直到子樹分類性能達(dá)到最佳。實驗證明,RW＿RF算法比傳統(tǒng)隨機森林算法有更好的分類精度,在不平衡數(shù)據(jù)中也有很好的表現(xiàn)。其次,為減輕算法的時間復(fù)雜度,提出了一種基于Spark的改進(jìn)隨機森林算法,對RW＿RF算法的兩處進(jìn)行并行...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 大數(shù)據(jù)在醫(yī)療診斷方面的研究現(xiàn)狀及發(fā)展趨勢
        1.2.2 隨機森林算法研究現(xiàn)狀及發(fā)展趨勢
        1.2.3 Spark研究現(xiàn)狀及趨勢
    1.3 研究內(nèi)容及主要工作
    1.4 結(jié)構(gòu)安排
第二章 相關(guān)背景知識介紹
    2.1 隨機森林算法介紹
        2.1.1 決策樹
        2.1.2 隨機森林定義
        2.1.3 隨機森林構(gòu)建過程
        2.1.4 隨機森林算法評價
    2.2 分布式相關(guān)技術(shù)介紹
        2.2.1 Hadoop相關(guān)技術(shù)介紹
        2.2.2 Spark相關(guān)技術(shù)介紹
    2.3 分類問題評價指標(biāo)介紹
        2.3.1 分類問題的評價指標(biāo)
        2.3.2 分布式系統(tǒng)特性與衡量標(biāo)準(zhǔn)
    2.4 本章小結(jié)
第三章 基于特征約簡的隨機森林改進(jìn)算法
    3.1 基于改進(jìn)Relief F的隨機森林算法
        3.1.1 改進(jìn)的Relief F算法
        3.1.2 改進(jìn)的Relief F算法與隨機森林相結(jié)合
    3.2 基于Wrapper思想的改進(jìn)隨機森林算法
        3.2.1 Wrapper遞歸思想
        3.2.2 改進(jìn)特征選擇法與隨機森林算法結(jié)合的RW_RF算法
    3.3 實驗分析
        3.3.1 實驗數(shù)據(jù)集
        3.3.2 實驗過程
        3.3.3 實驗結(jié)果分析
    3.4 本章小結(jié)
第四章 改進(jìn)隨機森林算法的并行化設(shè)計
    4.1 RW_RF算法的并行化設(shè)計
        4.1.1 特征權(quán)重計算的并行化設(shè)計
        4.1.2 隨機森林分布式實現(xiàn)步驟
    4.2 實驗驗證
        4.2.1 實驗環(huán)境及條件
        4.2.2 實驗結(jié)果與分析
    4.3 本章小結(jié)
第五章 敗血癥輔助診斷系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 系統(tǒng)應(yīng)用領(lǐng)域介紹
    5.2 數(shù)據(jù)采集與處理
        5.2.1 數(shù)據(jù)采集
        5.2.2 數(shù)據(jù)預(yù)處理
    5.3 系統(tǒng)構(gòu)建
        5.3.1 獲取分類規(guī)則
        5.3.2 規(guī)則評估
        5.3.3 疾病診斷預(yù)測
    5.4 應(yīng)用結(jié)果分析
        5.4.1 敗血癥數(shù)據(jù)集預(yù)處理
        5.4.2 實驗結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝



本文編號：3988777