基于HSIC_0的类间非线性相关系数度量

常见的相关系数反映变量之间的线性或非线性程度。基于希尔伯特-斯密特独立准则(Hilbert-Schmidt Independence Criterion,HSIC)的有偏估计(HSIC_0),提出了根据类标签划分出的类与类之间的非线性相关关系的度量方法。通过六组真实的、不同类型的数据集,分别选取了线性核、多项式核、RBF核和Sigmoid核函数进行实验。结果表明,该方法具有较好的可行性。

度量学习引导的加权聚类集成算法

已有的聚类集成方法大多通过对基聚类加权来降低低质量基聚类对聚类集成结果的影响,从而提升聚类集成算法性能.然而,这些工作往往对数据的所有特征等权重考虑,忽略了特征之间的相关性与差异性,无法真实地反映样本间的相似性.针对上述问题,本文提出了一种度量学习引导的加权聚类集成算法,将对马氏距离度量学习与基聚类权重学习相融合,从而提升聚类集成算法性能.算法根据上轮求得的基聚类权重进行聚类集成,基于集成结果构建的成对约束学习马氏距离度量,将划分为同簇的样本拉近,划分为不同簇的样本推远,并在新投影空间中为基聚类学习权重.在多个公开数据集上的实验结果表明,提出的算法优于现有的代表性聚类集成算法.

一种基于带核随机子空间的聚类集成算法

随机子空间聚类集成通过属性随机采样产生属性子空间,并将子空间上的基聚类结果进行集成得到最终聚类结果.在这一过程中,子空间产生的随机性虽然为聚类集成提供了很大的差异度,但是无法保证基聚类结果的有效性,这是因为随机产生的子空间有可能只包含极少的重要属性.针对这一不足,提出了一种带核随机子空间生成策略:首先依据粗糙集理论中的互补互信息选出对于刻画数据集整体信息至关重要的属性子集,作为每个属性子空间的"核心",再从剩余属性集中随机选择一定数量的属性与核心属性共同构成聚类子空间.这种策略在兼顾子空间之间差异性的同时也提高了每个属性子空间对数据整体信息的刻画能力,从而得到更好的聚类集成结果.在大量UCI数据集上的实验证实了所提方法的合理性和有效性.

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。

日间病房经皮冠状动脉介入治疗可行性及安全性评估

目的评估日间病房经皮冠状动脉介入治疗(PCI)的可行性及安全性。方法回顾性分析自2021年3月至2022年2月于北部战区总医院心血管内科经日间病房入院并行PCI的145例患者(日间病房组)的临床资料;同时,以1∶3的比例匹配常规住院的435例PCI患者(常规住院组)。以PCI后12个月内的缺血事件为研究的主要终点,出院后12个月内的全因死亡为次要终点。比较两组患者的基线资料、冠状动脉病变特点、介入手术情况、住院天数及不良事件发生率,采用Kaplan-Meier法分析终点事件的发生与时间的关系。结果两组患者基线资料、桡动脉入路比例、靶血管位置比例、支架个数、支架总长度、不良事件发生率比较,差异均无统计学意义(P>0.05)。日间病房组住院天数少于常规住院组,差异有统计学意义(P<0.05)。在出院12个月内,两组患者缺血事件和全因死亡发生率比较,差异无统计学意义(P>0.05)。结论经术前充分评估后,日间病房患者行PCI的可行性及安全性均良好。

心肺运动试验在不稳定性心绞痛与心肌梗死患者心脏康复中应用特点

目的探讨心肺运动试验(CPET)在不稳定性心绞痛与心肌梗死患者心脏康复中的应用特点。方法选取自2015年4月至2016年11月于北部战区总医院接受经皮冠状动脉介入(PCI)手术治疗且术后进行CPET的2007例急性冠状动脉综合征(ACS)患者为研究对象。将患者分为不稳定性心绞痛组(n=1443)与心肌梗死组(n=564)。应用瑞士Schiller CS-200CPET系统测试患者在静息状态和运动负荷状态下全导联心电图及血压情况,并且监测肺通气指标、二氧化碳排出量、摄氧量等代谢指标。比较两组患者的CPET方案及结果。结果不稳定性心绞痛组年龄、女性及高血压比例均高于心肌梗死组,高血脂、吸烟及陈旧性心梗比例低于心肌梗死组,差异有统计学意义(P<0.05)。不稳定性心绞痛组Borg评分、功率、静息收缩压、峰值收缩压、达预计值%均高于心肌梗死组,运动试验阳性率低于心肌梗死组,差异有统计学意义(P<0.05)。不稳定性心绞痛组无氧阈(AT)摄氧量、AT公斤摄氧量、呼吸储备、最大通气量(MVV)低于心肌梗死组,差异有统计学意义(P<0.05)。结论不稳定性心绞痛患者因为患有高血压较多,AT摄氧量、AT公斤摄氧量、呼吸储备、MVV较低,表现为心肺功能进一步降低,需要在心脏康复过程中给予较多的关注。

基于约束分层加权的多度量学习算法

为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不同度量对应的约束应该尽可能不同。由于单个样本所形成的不同约束可能对应不同的局部度量,相比于传统的多度量学习方法,提出的算法能够获得更精细的局部度量且更具有灵活性,使得度量的拟合能力更强。实验结果表明,提出的算法在真实数据集上对比代表性的单度量学习算法和多度量学习算法具有明显的优势。