[发明专利]一种用于冠心病数据的核极限学习机及随机森林分类方法

权利要求书

1.一种用于冠心病数据的核极限学习机及随机森林分类方法，其特征在于，包括以下步骤：

步骤1.采用Bootstrap法从N个冠心病数据样本中有放回地随机抽取N个样本并从F个特征中随机选取f个特征组成新的样本集，fF；

步骤2.核极限学习机模型训练，采用径向基核函数与多项式核函数加权得到混合核函数作为极限学习机的核函数；

步骤3.使用冠心病数据训练子集训练得到混合核极限学习机模型之后，使用测试子集测试每个基分类器的分类性能并排序，剔除分类性能最差的基分类器；再结合粒子群优化算法优化核参数、正则化系数、混合核权重得到优化的新基分类器代替被删除的基分类器；再次使用测试集对新基分类器进行性能测试，遍历其他基分类器依次与新基分类器的分类性能进行比较，如果与新基分类器的分类性能差别超过规定阈值，则需要使用粒子群优化算法进行优化；

步骤4.经过数据的抽样、模型训练、模型优化之后，得到随机森林分类模型，使用相对多数投票的组合策略决定冠心病数据样本最后的分类结果；

对于分类任务来说，基分类器h_i将从类别标记集合{c₁,c₂,...,c_L}中预测出一个标记，将h_i在给定的冠心病数据样本x上的预测输出为一个L维向量其中，是h_i在类别标记c_j上的输出，相对多数投票组合策略的计算公式如下：

即预测为得票最多的标记，若同时有多个标记获得最高票，则从中随机选取一个。