[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

摘要

本发明公开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，采用Bootstrap方法对冠心病样本集进行有放回的采样，生成不同的冠心病数据训练子集和测试子集以供基分类器使用；采用混合核形式的核函数作为核极限学习机的核函数，减少核类型对分类模型的性能影响；使用冠心病数据训练子集对核极限学习机进行模型训练并使用测试子集对基分类器进行性能测试，采用排序加粒子群优化的方式循环判断重新生成优化的新基分类器，剔除并代替分类性能较差的基分类器，从而达到提高整体分类性能的目的；形成随机森林模型之后，采用相对多数投票法选取分类结果。

主权项

1.一种用于冠心病数据分类的基于核极限学习机及并行化的随机森林分类方法，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(f<<F)组成新的样本集；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。