代价敏感组合旋转森林用于脑卒中数据分类

为分析临床脑卒中经颅多普勒超声(TCD)数据的实例相关代价敏感特性,提出一种基于实例代价的旋转森林算法。针对TCD数据构造多维组合特征;根据年龄设计适用于脑卒中的实例相关代价矩阵;构建实例相关代价敏感组合旋转森林分类模型(ECS_CROF),利用主成分分析、线性判别分析得到两个新的映射数据,组合原始数据分别训练基分类器得到3个独立的子分类器。将提出的ECS_CROF模型用于TCD非平衡数据的分类。实验结果表明,与已有的方法相比,ECS_CROF的成本节约量有一定提升,可以辅助医生更有效地做出诊断。