中医临床疾病数据多标记分类方法研究

来源：计算机科学与探索杂志2018年第8期北京时间：

作者：潘主强，张林，张磊，李国正，颜仕星

单位：1. 西南石油大学 计算机科学学院，成都 6105002. 中国中医科学院 中医临床基础医学研究所，北京 1007003. 中国中医科学院 中医药数据中心，北京 1007004. 上海金灯台信息科技有限公司，上海 201800

摘要：WML-kNN（weighted multi-label[k]nearest neighbor）算法中近邻点个数取固定值，而没有考虑样本数据的实际特点，可能会将相似度高的点排除在近邻集外，或者将相似度低的点包含在近邻集内，这些都会影响分类器的性能。而中医（traditional Chinese medicine，TCM）临床获得的关于疾病的数据很可能是多标记的，同时由于病例的特殊性，每个病例可能具有不同的相似近邻集。因此，对WML-kNN算法进行了改进，提出WML-GkNN（WML-granular kNN）算法。该算法通过粒计算对粒度空间进行控制，从而确定近邻点集，使得邻域内的样本点有高相似性。在中医临床采集的经络电阻数据上的实验结果显示，WML-GkNN算法提高了分类性能。

关键词：中医临床数据,多标记学习,粒计算,权重