浅谈基于组合学习的知识获取技术在肺癌预后系统中的研究与实现

《浅谈基于组合学习的知识获取技术在肺癌预后系统中的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华南理工大学硕士学位论文基于组合学习的知识获取技术在肺癌预后系统中的研究与实现姓名：易巍申请学位级别：硕士专业：计算机系统结构指导教师：郑启伦20030501摘要从数据库内自动获取知识是知识获取技术的一个重要的研究课题，利用知识的自动获取技术，可以解决知识获取上的’瓶颈’问题。目前，在研究知识的自动获取技术上已经有了很多成果。因此，我们开发了一个肺癌预后系统，采用了多种从数据库内自动获取规则知识的方法来建立知识库。由于知识获取方法多种多样，而且每种方法基于的理论机制都不相同，所以各种知识获取方法间存在着互补

2、性，所以基于以上原因，我们提出一个组合学习的方法。组合学习是在多个单独的知识自动获取方法的基础上，利用投票机制来利用不同算法之间的互补性，以提高整体的准确性。为了选择单学习器采用的知识获取算法，我们对本系统的知识源进行分析，确定了AQl5及CLIP3算法来作为知识自动获取算法。并对这两种方法提出了改进算法，并经过实验证明改进效果明显。组合学习方法引入了Bayes概率组合，利用样本数据来估计各个单学习器的先验概率及预测值的类先验概率，以达到给各个单学习器赋权重的目的，单学习器根据自己的权重对预测值进行投票，票

3、数最多的预测值做为组合学习器的预测值。本系统在组合时对Bayes的投票机制做出了改进以达到预测的最佳效果。实验结果证明了改进后的组合学习器在准确率上比改进前有所提高。本文由六个部分组成。首先介绍了肺癌预后系统的功能以及现有的知识获取技术，并对当前知识获取技术的应用与前景作了大致介绍；接着就系统中采用的知识表示方式、规则搜索策略以及知识获取算法的确定做出了说明；然后分别介绍了AQl5算法和CLIP3算法以及在它们的基础上做出的改进算法；之后介绍了组合学习算法以及在Bayes组合机制上做出的改进的组合算法；最后

4、以实验结果将改进的组合算法的效果与改进前进行比较，并对系统进行实现。关键词：知识获取；组合学习；AQl5；CLIP3；Bayes组合华南理工大学工学硕士学位论文ABSTRACTKnowledgeacquisitionautomaticallyfromdatabaseisaveryimportantinvestigationtaskinknowledgeacquisitionarea．UsingtechnologyofknowledgeacquisitionautomaticallyCallresolveth

5、e“bottleneck’’oftheknowledgeacquisitionprocess．Bynow,manysuccessfulproductionshavehadintechnologyofknowledgeacquiskionautomatically．SoWedevelopedaSystemofLungCancerPrognosis，inthissystem，weadoptedafewofwaysofknowledgeacquisitionautomaticallyfromdatabaset0s

6、etupknowledgebase．Becausetherearemanytechnologiesofknowledgeacquisition，andeachtechnologyhasitsowntheory．OnetechnologyCanmakeupanother’Sweakness．Soweputforwardawayofensemblelearningsystem．Theensemblelearningsystemusingvotetoimprovethesystem’Sveracity．Inord

7、ertochoosetechnologyofeachlearner，Weanalyzethesourceofknowledgeinthissystem．ThenWedecidedtochooseAQ15andCLIP3asthetechnologyofeachlearner．Andweputforwardwaystoimprovethetwoarithmetic．Wevalidatedtheeffectoftheimprovementthroughexperiment．Ensemblelearninguse

8、dBeyesprobability．Weestimateeachlearner’Spre—probabilityandpredictvalue’Spre-probability．Theneachlearnervotetopredictvaluebasedpre·probability．ThepredictvaluehadthemostVOteSisthepredictvalueoftheensemblelearn