[1]聂斌,王卓,杜建强,等.基于粗糙集和随机森林算法辅助糖尿病并发症分类研究[J].江西师范大学学报(自然科学版),2014,(03):278-281.
　NIE Bin,WANG Zhuo,DU Jian-qiang,et al.The Study on Classification of Secondary Complications of Diabetes Based on Rough Set and Random Forest[J].Journal of Jiangxi Normal University:Natural Science Edition,2014,(03):278-281.
点击复制

基于粗糙集和随机森林算法辅助糖尿病并发症分类研究()
分享到：

《江西师范大学学报》（自然科学版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2014年03期
页码:
278-281
栏目:
出版日期:
2014-06-30

文章信息/Info

Title:
The Study on Classification of Secondary Complications of Diabetes Based on Rough Set and Random Forest
作者:
聂斌;王卓;杜建强;朱明峰;林剑鸣;艾国平;熊玲珠
江西中医药大学计算机学院,江西 南昌,330004；南昌大学软件学院,江西 南昌,330047
Author(s):
NIE Bin；WANG Zhuo；DU Jian-qiang；ZHU Ming-feng；LIN Jian-ming；AI Guo-ping；XIONG Lin-zhu
关键词:
粗糙集; 随机森林; 糖尿病; 并发症
Keywords:
rough sets; random forest; diabetes; complications
分类号:
TP391
文献标志码:
A
摘要:
提出基于粗糙集和随机森林算法辅助糖尿病并发症分类。首先，运用简化的分明矩阵法对属性约简，产生新的决策信息系统；其次，采用随机森林算法对该新信息系统生成随机森林，实现分类；最后，通过糖尿病并发症临床诊断数据子集测试。实验表明该方法有效性，并优于直接用随机森林算法分类。
Abstract:
The paper study on classification of secondary complications of diabetes based on rough set and random forest. First,using the simplified matrix method for attribute reduction,clearly have new decision information sys-tem;second,by random forest algorithm to generate random forests for the new information system,and gain the clas-sification result. The method has been proved feasible and effective after test the database,it′s classification result are better than directly with random forest algorithm.

参考文献/References:

[1] Breiman L.Random forests [J].Machine Learning,2001,45(1):5-32.
[2] Berk R A.Random Forests [EB/OL].
[2013-06-11].http://link.springer.com/search?query=Random+Forests
[3] 雷震.随机森林及其在遥感影像处理中应用研究 [D].上海:上海交通大学,2012.
[4] Salford Systems.What are the advantages of RandomForests?[EB/OL].
[2013-06-11].http://www.salford-systems.com/en/products/randomforests/faqs/item/134-what- are-the-advantages-of-randomforests?
[5] Liu Miao,Wang Mingjun,Wang Jun,et al.Comparison of random forest,support vector machine and back propagation neural network for electronic tongue data classification:Application to the recognition of orange beverage and Chinese vinegar [J].Sensors and Actuators B:Chemical,2013,177:970-980.
[6] 张华伟,王明文,甘丽新.基于随机森林的文本分类模型研究 [J].山东大学学报:理学版,2006(3):139-143.
[7] 郭颖婕,刘晓燕,郭茂祖,等.植物抗性基因识别中的随机森林分类方法 [J].计算机科学与探索,2012(1):67-77.
[8] 刘足华,熊惠霖.基于随机森林的目标检测与定位 [J].计算机工程,2012,13:5-8.
[9] 张建,武东英,刘慧生.基于随机森林的流量分类方法 [J].信息工程大学学报,2012(5):621-625.
[10] Zdzisaw Pawlak.Rough sets [J].International Journal of Computer and Information Science,1982,11(5):341-356.
[11] 苗夺谦,胡桂荣.知识约简的一种启发式算法 [J].计算机研究与发展,1999,36(6):681-684.
[12] 官礼和,王国胤.决策表属性约简集的增量式更新算法 [J].计算机科学与探索,2010,4(5):436-444.
[13] 陈林,邓大勇,闫电勋.基于属性重要度并行约简算法的优化 [J].南京大学学报:自然科学版,2012,48(4):376-382.
[14] 王名扬,于达仁,胡清华.基于粗糙集约简的多分类器系统构造方法 [J].计算机工程与应用,2010,46(3):49-50,93.
[15] 蒙祖强,史忠植.一种新的启发式知识约简算法 [J].小型微型计算机系统,2009,30(7):1249-1255.
[16] Yao Yiyu,Zhao Yan.Discernibility matrix simplication for con-structing attribute reducts [J].Information Sciences,2009,179(7):867-882.
[17] 刘清.Rough 集及 Rough 推理 [M].北京:科学出版社,2001.
[18] 田卫东,周创德,胡学钢,等.基于简化分辨矩阵的粗糙集属性约简算法 [J].计算机科学,2008,35(3):209-212.
[19] 周丽,吴根秀,晏伟峰,等.一种基于区分矩阵的实值属性约简算法 [J].江西师范大学学报:自然科学版,2011,36(2):135-139.
[20] 吴根秀,王玏,纪军,等.多值信息系统的基于相似度的粗糙集模型 [J].江西师范大学学报:自然科学版,2011,36(1):88-90.
[21] Yeh C C,Lin Fengyi,Hsu C C.A hybrid KMV model,random forests and rough set theory approach for credit rating [J].Knowledge-Based Systems,2012,33,166-172.
[22] 聂斌,王命延,于海雯,等.基于Rough集从临床数据中提取诊断规则 [J].南昌大学学报:理科版,2008,32(2):193-197.

相似文献/References:

[1]吴根秀,刘佩红,罗冰辉,等.基于秩统计量的粗糙集精度的度量方法[J].江西师范大学学报(自然科学版),2013,(01):23.
　WU Gen-xiu,LIU Pei-hong,LUO Bing-hui,et al.The Accuracy Measure for Rough Sets Based on Rank Statistics[J].Journal of Jiangxi Normal University:Natural Science Edition,2013,(03):23.

备注/Memo

备注/Memo:
国家自然科学基金(81160424)；江西省自然科学基金(20122BAB205083)；江西省教育厅科技计划(GJJ11541， GJJ13014)
更新日期/Last Update: 1900-01-01