本发明专利技术公开了一种用于心血管疾病诊断的双参数调节自适应增强方法，属于集成算法和机器学习领域，所述方法包括将获取的诊断样本数据输入预先获取的自适应增强模型的最优分类器中，获取诊断参考信息；其中所述最优分类器的获取方法，包括：基于获取的训练数据，训练弱分类器；基于训练过的弱分类器，构建可调节参数对的自适应增强模型；使用面向参数优化改进的贝叶斯优化方法对自适应增强模型进行迭代优化，得到自适应增强模型的最优分类器，本发明专利技术通过引入可调节参数对，同时结合参数优化，显著提升了模型泛化性和鲁棒性，实现了诊断样本数据的自动化、高效处理，为医生提供了更加客观、准确的诊断参考信息，有效提高了疾病诊断的效率和准确性。
【技术实现步骤摘要】
本专利技术涉及一种用于心血管疾病诊断的双参数调节自适应增强方法，属于集成算法和机器学习领域。
技术介绍
1、机器学习在人工智能中起着至关重要的作用，通过算法构建模型进行数据预测和决策。分类是其核心任务之一，将样本分配到不同类别。集成学习方法，如bagging和boosting，能有效提升分类性能，特别是在使用不稳定学习算法时。近些年，集成学习的方法已被广泛应用于疾病诊断、信号检测、时间序列预测和图像分类等领域。
2、心血管疾病（cvd）一直是全球十大死亡原因之一，但由于临床数据的不一致性和冗余性，导致诊断算法面临巨大挑战性。目前为止，研究人员已经提出了多种用于心血管疾病诊断的双参数调节自适应增强算法，其中最经典的是adaboost算法。然而，在近些年的adaboost算法改进上存在以下一些问题：第一，许多方法只替换弱分类器，而没有改进adaboost的集成框架；第二，一些方法在没有充分理论支持的情况下改变了样本的权重分类；且传统的adaboost算法用于心血管诊断时，面临不平衡和噪音数据时算法泛化性和鲁棒性低的问题。
...
【技术保护点】
1.一种用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，包括：
2.根据权利要求1所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述方法还包括：对获取的训练数据进行预处理，包括处理缺失值、检测异常值、数据规范化和特征选择。
3.根据权利要求2所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述基于获取的训练数据，训练弱分类器，包括：
4.根据权利要求3所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述基于训练过的弱分类器，构建可调节参数对的自适应增强模型，包括：
<p>5.根据权利要求...
【技术特征摘要】
1.一种用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，包括：
2.根据权利要求1所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述方法还包括：对获取的训练数据进行预处理，包括处理缺失值、检测异常值、数据规范化和特征选择。
3.根据权利要求2所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述基于获取的训练数据，训练弱分类器，包括：
4.根据权利要求3所述的用于心血管疾病诊断的双参数调节自适应增强方法，其特征在于，所述基于训练过的弱分类器，构建可调节参数对的自适应增强模型，包括：
5.根据权利要求4...
【专利技术属性】
技术研发人员：王子恒，邵子轩，王保卫，杨俊祺，王诗雨，唐恺岑，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。